출판 : 2025 년 4 월 19 일 / 업데이트 : 2025 년 4 월 19 일 - 저자 : Konrad Wolfenstein
KI 오픈 소스 대안 : 함께 AI는 자세한 웹 리서치 이미지를위한 소스 개방 "Open Deep Research"를 게시합니다 : Xpert.Digital
구조화, 출처, 강력한 : 함께 AI는 새로운 수준으로 깊은 연구를 제공합니다.
함께 AI는“Open Deep Research”를 소개합니다 : Openais Deep Research의 오픈 소스 대안
2025 년 4 월 16 일, AI는 Openais Deep Research의 대안으로 설계된 구조화 된 웹 연구를위한 소스 - 오픈 시스템 인“Open Deep Research”를 발표했습니다. 이 도구는 멀티 스테이지 웹 리서치를 통해 복잡한 질문에 대답하고 포괄적 인 소스 기반 보고서를 만들 수 있습니다. 독점 솔루션과 달리 AI는 함께 커뮤니티 기반 추가 개발을 촉진하기 위해 완전한 코드, 데이터 레코드 및 시스템 아키텍처를 공개적으로 제공합니다.
적합:
열린 깊은 연구의 건축
Open Deep Research는 인간 연구 과정을 모방하는 4 단계 워크 플로와 함께 작동합니다. 프로세스는 AI 모델이 관련 검색 쿼리 목록을 작성하는 계획 단계로 시작합니다. 그런 다음 웹의 적절한 컨텐츠는 Tavily Search API를 통해 수집됩니다. 그런 다음 평가 모델은 작문 모델이 마지막으로 최종 보고서를 작성하기 전에 지식 격차가 있는지 확인합니다.
Together AI의 특별한 접근 방식은 소위 "MOA (Mixture-of Agent) 접근 방식에서 다른 작업에 다른 특수 모델을 사용하는 데 있습니다. 다음 AI 모델은 구현에 사용됩니다.
- 플래너 : Qwen2.5-72b 계획 및 추론 기술을위한 알리바바의 터보 지시
- 요약 : LLAMA 3.3-70B META에서 TURBO LONG 웹 컨텐츠 요약
- JSON 추출기 : LLAMA 3.1-70B 구조화 된 정보 추출을위한 메타의 Turbo Instruct Turbo
- 보고 제조업체 : 정보 집계 및 고품질 연구 보고서 작성을위한 DeepSeek-V3
더 긴 텍스트를 다룰 수 있도록 요약 모델은 콘텐츠를 압박하고 관련성을 평가합니다. 이것은 음성 모델의 컨텍스트 창이 넘치지 않도록합니다.
기술 스택 및 통합
기술적으로 모델은 자체 AI 클라우드 플랫폼을 통해 제공됩니다. 웹 검색 및 컨텐츠 쿼리는 Tavily를 통해 이루어 지므로 특정 장점은 단일 API 호출에서 웹 사이트 컨텐츠 검색과 검색을 모두 호출 할 수 있다는 것입니다.
일반적인 요청의 처리 시간은 요청의 복잡성과 평가 및 반사 루프의 수에 따라 2 분에서 5 분 사이입니다.
멀티 모달 에디션 및 확장 된 기능
Open Deep Research는 텍스트 에디션에만 국한 될뿐만 아니라 여러 가지 복합 기능을 제공합니다.
- HTML Edition : 결과는 구조화 된 HTML 형식으로 표시되며 텍스트 및 시각적 요소가 결합되어 있습니다.
- 다이어그램 : JavaScript 라이브러리 인어 JS를 통한 다이어그램 자동 생성
- 표지 이미지 : Black Forest Labs의 플럭스 모델의 도움으로 주제별로 적합한 이미지 생성
- 팟 캐스트 기능 : Cartesia의 Sonic Language 모델을 사용하여 보고서의 주요 요점을 요약 한 소형 오디오 팟 캐스트의 자동 작성
이러한 멀티 모드 출력 형식은 연구 된 정보의보다 포괄적이고 매력적인 프레젠테이션을 가능하게합니다.
성능 평가 및 벤치 마크
AI는 함께 세 가지 인기있는 벤치 마크를 사용하여 Open Deep Research의 성능을 평가했습니다.
- 프레임 : 다중 단계 논리 결론을 테스트합니다
- SimpleQa : 사실 지식 검토
- HOTPOTQA : 여러 결론 단계가 필요한 멀티 홉 질문 평가
세 가지 벤치 마크에서 열린 심층 연구는 검색 도구가없는 기본 모델보다 훨씬 나은 연구를 더 잘 차단합니다. 또한 Langchains Open Deep Research (LDR) 및 Hugging Faces Smolagen (SearchCodeagent)과 같은 유사한 개방 시스템과 비교하여,이 시스템은 일반적으로 더 높은 품질의 답변을 달성했습니다.
평가의 특히 중요한 결과는 여러 연속 연구 단계가 답변 품질을 크게 향상 시킨다는 실현이었습니다. 단일 검색 실행으로 제한되면 정확도가 눈에 띄게 떨어졌습니다.
알려진 제한과 도전
진행 상황에도 불구하고 AI는 시스템에 대한 다양한 제한 사항을 나타냅니다.
- 오류 연속 : 워크 플로의 초기 단계의 오류는 전체 파이프 라인을 통해 계속 될 수 있으며 최종 결과가 잘못 될 수 있습니다.
- 환각 : 환각은 출처를 해석 할 때, 특히 모호하거나 모순되는 정보를 사용하여 발생할 수 있습니다.
- 구조 왜곡 : 교육 데이터 또는 검색 지수의 편향은 결과에 영향을 줄 수 있습니다.
- 토폴리 니티 : 고도로 -date 요구 또는 낮은 웹 커버가있는 주제는 특별한 도전입니다.
- 캐싱 문제 : 구현 된 캐싱은 비용을 줄일 수 있지만 적절한 만료 시간없이 구식 정보를 제공합니다.
이러한 제한은 현재 AI 연구 도구의 전형적인 것이며 향후 개선을위한 중요한 과제를 나타냅니다.
적합:
다른 제안에 비해 깊은 연구를 열어줍니다
심층 연구 기능의 개발은 현재 AI 제공 업체들 사이의 트렌드입니다. Openaai는 원래이 개념을 도입했지만 이제 Google, Grok 및 Perplexity도 비슷한 기능을 제공합니다. Anthropic은 최근 Claude 모델에 대한 에이전트 기반 연구 기능을 제시했습니다.
Hugging Face는 OpenAi의 출판 직후 소스 -개방 대안을 이미 발표했지만 더 이상 개발하지 않았습니다. AI 검색 엔진으로서 Perplexity는 ChatGPTS Deep Research에 대한 무료 대안을 제공하며, 여기서 사용자는 매일 "깊은 연구"로 최대 5 건의 검색을 수행 할 수 있습니다.
폐쇄와 달리 Openais Deep Research (ChatGpt Pro 구독의 일부는 한 달에 약 200 달러)와 같은 유료 시스템이 완전히 개방적이고 소스 개방 대안을 제공합니다.
커뮤니티 초점과 확장 성
Ai는 함께 지역 사회가 확장하고 향상시킬 수있는 개방형 플랫폼으로 개방형 딥 리서치를 고의적으로 설계했습니다. 이 아키텍처는 쉽게 확장 할 수 있도록 설계되었습니다. 개발자는 자체 모델을 통합하거나 데이터 소스를 조정하거나 새로운 출력 형식을 추가 할 수 있습니다.
전체 코드와 문서는 회사 블로그의 평가 데이터 세트 및 자세한 설명과 함께 GitHub에 게시되었습니다. AI는 함께 시스템을 오픈 소스 커뮤니티의 추가 실험 및 개선의 기초로보고 있습니다.
이러한 개방성은 다른 대기업의 폐쇄 된 접근 방식과는 대조적이며 O3-MINI 수준에서 최근 소스-오픈 코딩 모델의 출판과 같이 이전 프로젝트에서도 표현 된 오픈 소스 AI에 대한 AIS 광범위한 참여를 함께 반영합니다.
AI 연구 환경에 대한 의미
AI를 통한 Open Deep Research의 출판은 고급 AI 연구 도구의 민주화의 중요한 단계입니다. 강력한 AI 모델, 구조화 된 다단계 웹 리서치 및 멀티 모달 출력 형식의 조합 으로이 시스템은 독점 솔루션에 대한 유망한 대안을 제공합니다.
개방형 접근 방식을 통해 개발자와 연구원은 시스템을 필요에 맞게 조정, 확장 및 개선 할 수 있습니다. 이로 인해 폐쇄 시스템에서는 가능한 것보다 장기적으로보다 혁신적이고 다양한 응용 프로그램으로 이어질 수 있습니다.
특히 환각, 편견 및 주제와 관련하여 여전히 도전이 여전히 있지만 AIS Open Deep Research에 따르면 강력한 AI 연구 도구는 독점 플랫폼으로 제한 될 필요가 없습니다. 이 이니셔티브는 고급 AI 기술에 대한 공개 액세스를 촉진 할뿐만 아니라 AI 지원 연구 결과에 대한 신뢰를위한 투명성 및 추적 성 중요한 요소에도 기여합니다.
적합:
AI 변환, AI 통합 및 AI 플랫폼 산업 전문가
✔️ 우리의 비즈니스 언어는 영어 또는 독일어입니다.
✔️ 새로운 기능: 자국어로 된 통신!
콘라드 울펜슈타인
나는 귀하와 우리 팀에 개인 고문으로 봉사하게 되어 기쁘게 생각합니다.
문의 양식을 작성하여 연락하시거나 +49 89 89 674 804 (뮌헨) 로 전화해 주세요 . 내 이메일 주소는: Wolfenstein ∂ xpert.digital
나는 우리의 공동 프로젝트를 기대하고 있습니다.
