Opublikowano: 19 kwietnia 2025 / Aktualizacja od: 19 kwietnia 2025 r. - Autor: Konrad Wolfenstein
KI Open Source Alternative: Razem AI publikuje otwarte źródło „Open Deep Research” dla szczegółowych badań internetowych: Xpert.digital
Structured, Source, potężny: Razem AI przenosi głębokie badania na nowy poziom
Razem AI wprowadza „Open Deep Research”: open source alternatywa dla OpenAis Deep Research
16 kwietnia 2025 r. AI opublikowało „Open Deep Research” - źródłowy system ustrukturyzowanych badań internetowych, który został zaprojektowany jako alternatywa dla OpenAis Deep Research. Narzędzie może odpowiedzieć na złożone pytania za pośrednictwem badań internetowych wielofunkcyjnych i tworzyć kompleksowe raporty oparte na źródłach. W przeciwieństwie do zastrzeżonych rozwiązań, AI publicznie zapewnia pełny kod, dane danych i architekturę systemu w celu promowania dalszego rozwoju opartego na społeczności.
Nadaje się do:
Architektura otwartych głębokich badań
Open Deep Research współpracuje z czterostopniowym przepływem pracy, który naśladuje proces badań ludzkich. Proces zaczyna się od etapu planowania, w którym model AI tworzy listę odpowiednich zapytań wyszukiwania. Odpowiednia treść z Internetu jest następnie zbierana za pośrednictwem interfejsu API wyszukiwania Tavily. Model oceny następnie sprawdza, czy istnieją jakieś luki w wiedzy przed modelem pisania w końcu utworzy raport końcowy.
Specjalne podejście razem AI polega na stosowaniu różnych wyspecjalizowanych modeli do różnych zadań w podejściu przepływu pracy-tak zwanym „mieszanką środka” (MOA). Do implementacji używane są następujące modele AI:
- Planista: QWEN2.5-72B Poinstruuj turbo z Alibaba w zakresie umiejętności planowania i rozumowania
- Podsumowanie: LAMA 3.3-70B Poinstruuj Turbo z Meta do podsumowania długich treści internetowych
- Ekstraktor JSON: LLAMA 3.1-70B Instruuj turbo z Meta w celu uzyskania strukturalnej ekstrakcji informacji
- Producent raportowania: Deepseek-V3 do agregacji informacji i tworzenia wysokiej jakości raportów badawczych
Aby móc poradzić sobie z dłuższymi tekstami, model podsumowujący podsumowuje treść kompaktowo i ocenia jej znaczenie. Zapobiega to przepełnieniu okien kontekstowych modeli głosowych.
Stos techniczny i integracja
Jako podstawę techniczną modele są dostarczane za pośrednictwem własnej platformy chmurowej AI AI. Wyszukiwanie w Internecie i zapytanie o treść odbywa się przez Tavily, przy czym szczególną zaletą jest to, że zarówno wyszukiwanie, jak i wyszukiwanie treści witryny można wywołać w pojedynczym połączeniu API.
Czas przetwarzania typowego żądania wynosi od 2 do 5 minut, w zależności od złożoności żądania oraz liczby pętli oceny i refleksji.
Edycje multimodalne i funkcje rozszerzone
Otwarte głębokie badania nie ogranicza się tylko do edycji tekstowych, ale także oferują szereg funkcji multimodalnych:
- HTML Edition: Wyniki przedstawiono w ustrukturyzowanym formacie HTML, elementy tekstowe i wizualne są łączone
- Schematy: automatyczne tworzenie diagramów za pośrednictwem JavaScript Library Mermaid JS
- Obrazy okładkowe: generowanie odpowiednich obrazów za pomocą modeli strumienia Black Forest Labs
- Funkcja podcastu: automatyczne tworzenie kompaktowego podcastu audio, który podsumowuje główne punkty raportu za pomocą modeli języka dźwiękowego z kartezji
Te multimodalne formaty wyjściowe umożliwiają bardziej kompleksową i atrakcyjną prezentację zbadanych informacji.
Ocena wydajności i badania odniesienia
Razem AI oceniło wydajność otwartych głębokich badań przy użyciu trzech popularnych testów porównawczych:
- Ramy: Test dla logicznych wniosków wielofunkcyjnych
- Simpleqa: Badanie wiedzy faktycznej
- Hotpotqa: Ocena pytań wielokrotnych, które wymagają kilku etapów wniosków
We wszystkich trzech testach porównawczych otwarte głębokie badania odcinają znacznie lepiej niż podstawowe modele bez narzędzi wyszukiwania. W porównaniu z podobnymi systemami otwartych, takimi jak Langchains otwarte głębokie badania (LDR) i przytulanie twarzy Smolagen (SearchCodeAgent), system zwykle osiągał wyższą jakość odpowiedzi.
Szczególnie ważnym rezultatem oceny było uświadomienie sobie, że kilka kolejnych etapów badań znacznie poprawiają jakość odpowiedzi. Po ograniczeniu do pojedynczego przebiegu, dokładność zauważyła.
Znane ograniczenia i wyzwania
Pomimo postępu razem AI wskazuje różne ograniczenia w swoim systemie:
- Kontynuacja błędów: Błędy we wczesnych krokach przepływu pracy mogą kontynuować cały rurociąg i prowadzić do niepoprawnych wyników końcowych
- Halucynacje: Halucynacje mogą wystąpić podczas interpretacji źródeł, szczególnie z niejednoznacznymi lub sprzecznymi informacjami
- Zniekształcenia strukturalne: stronniczość w szkoleniu danych lub wskaźnikach wyszukiwania może wpływać na wyniki
- Topularność: tematy o wysokiej jakości potrzeby lub niskie okładki internetowe są specjalnym wyzwaniem
- Problem buforowania: wdrożone buforowanie może obniżyć koszty, ale prowadzi do dostarczania przestarzałych informacji bez odpowiedniego czasu ważności
Ograniczenia te są typowe dla aktualnych narzędzi badawczych AI i stanowią ważne wyzwania dla przyszłych ulepszeń.
Nadaje się do:
Otwórz głębokie badania w porównaniu z innymi ofertami
Rozwój głębokich funkcji badawczych jest obecnie trendem wśród dostawców AI. Openaai pierwotnie wprowadził tę koncepcję, ale teraz Google, Grok i zakłopotanie oferują również podobne funkcje. Anthropic niedawno przedstawił również funkcję badawczą opartą na agentach dla swojego modelu Claude.
Przytulanie twarzy przedstawiało już alternatywę oparta na źródło wkrótce po publikacji Openai, ale nie rozwinęła jej dalej. Jako wyszukiwarka AI, zakłopotanie oferuje bezpłatną alternatywę dla głębokich badań Chatgpts, w których użytkownicy mogą codziennie przeprowadzać do pięciu wyszukiwań za pomocą „głębokich badań”.
W przeciwieństwie do zamkniętych, płatne systemy, takie jak OpenAis Deep Research (część subskrypcji Chatgpt Pro wynosi około 200 USD miesięcznie), AI oferuje całkowicie otwartą i otwartą źródło alternatywę.
Koncentracja na społeczności i możliwość rozszerzenia
Razem AI celowo zaprojektowali otwarte głębokie badania jako otwartą platformę, którą społeczność może być rozszerzona i ulepszona. Architektura została zaprojektowana tak, aby można ją było łatwo rozszerzyć - programiści mogą zintegrować własne modele, dostosowywać źródła danych lub dodać nowe formaty wyjściowe.
Pełny kod i dokumentacja zostały opublikowane w GitHub, wraz z zestawem danych oceny i szczegółowymi wyjaśnieniami na blogu firmy. Razem AI postrzega swój system jako podstawę do dalszych eksperymentów i ulepszeń ze strony społeczności typu open source.
Ta otwartość stoi w przeciwieństwie do zamkniętych podejść innych dużych firm AI i odzwierciedla razem szersze zaangażowanie AI open source, które zostały również wyrażone w poprzednich projektach, takich jak niedawna publikacja modelu kodowania otwartego źródła na poziomie O3-Mini, ale z znacznie mniejszą liczbą parametrów niż zamknięta konkurencja.
Znaczenie krajobrazu badań AI
Publikacja Open Deep Research Together AI oznacza ważny krok w demokratyzacji zaawansowanych narzędzi badawczych AI. Dzięki połączeniu potężnych modeli AI, ustrukturyzowanych wielopoziomowych badań internetowych i multimodalnych formatów wyjściowych, system oferuje obiecującą alternatywę dla zastrzeżonych rozwiązań.
Otwarte podejście umożliwia programistom i badaczom dostosowywanie, rozszerzenie i ulepszanie systemu do ich potrzeb. Może to prowadzić do bardziej innowacyjnych i różnorodnych zastosowań w perspektywie długoterminowej, niż byłoby to możliwe w przypadku zamkniętych systemów.
Chociaż nadal istnieją wyzwania, zwłaszcza w odniesieniu do halucynacji, uprzedzeń i aktualności, razem AIS Open Deep Research pokazują, że potężne narzędzia badawcze AI nie muszą ograniczać się do zastrzeżonych platform. Inicjatywa nie tylko promuje otwarty dostęp do zaawansowanej technologii AI, ale także przyczynia się do przejrzystości i najważniejszych czynników dla zaufania do wyników badań wspieranych przez AI.
Nadaje się do:
Twoja transformacja AI, integracja AI i ekspert w branży platformy AI
☑️Naszym językiem biznesowym jest angielski lub niemiecki
☑️ NOWOŚĆ: Korespondencja w Twoim języku narodowym!
Konrada Wolfensteina
Chętnie będę służyć Tobie i mojemu zespołowi jako osobisty doradca.
Możesz się ze mną skontaktować wypełniając formularz kontaktowy lub po prostu dzwoniąc pod numer +49 89 89 674 804 (Monachium) . Mój adres e-mail to: wolfenstein ∂ xpert.digital
Nie mogę się doczekać naszego wspólnego projektu.
