Опубліковано: 19 квітня 2025 р. / Оновлено: 19 квітня 2025 р. – Автор: Konrad Wolfenstein
Альтернатива ШІ з відкритим кодом: Together AI випускає «Open Deep Research» з відкритим кодом для детального веб-дослідження – Зображення: Xpert.Digital
Структурований, з відкритим кодом, потужний: Together AI виводить глибокі дослідження на новий рівень
Together AI представляє «Відкриті глибокі дослідження»: альтернативу з відкритим кодом глибоким дослідженням OpenAI
16 квітня 2025 року Together AI випустила «Open Deep Research» — систему з відкритим кодом для структурованих веб-досліджень, розроблену як альтернативу Deep Research від OpenAI. Інструмент може відповідати на складні запитання за допомогою багатоетапного веб-дослідження та створювати вичерпні звіти на основі джерел. На відміну від власницьких рішень, Together AI робить повний код, набори даних та архітектуру системи загальнодоступними для заохочення розробки на основі спільноти.
Підходить для цього:
Архітектура Open Deep Research
Open Deep Research використовує чотириетапний робочий процес, який імітує процес дослідження людиною. Процес починається з кроку планування, на якому модель штучного інтелекту генерує список релевантних пошукових запитів. Далі відповідний контент збирається з Інтернету за допомогою пошукового API Tavily. Потім модель оцінювання перевіряє наявність будь-яких прогалин у знаннях, перш ніж модель письма остаточно згенерує остаточний звіт.
Унікальний підхід штучного інтелекту Together полягає у використанні різних спеціалізованих моделей для різних завдань у робочому процесі – так званий підхід «Суміші агентів» (MoA). Для реалізації використовуються такі моделі штучного інтелекту:
- Планувальник: Qwen2.5-72B-Instruct-Turbo від Alibaba для розвитку навичок планування та міркування
- Короткий зміст: Llama-3.3-70B-Instruct-Turbo від Meta для конспектування довгого веб-контенту
- JSON Extractor: Llama-3.1-70B-Instruct-Turbo від Meta для вилучення структурованої інформації
- Конструктор звітів: DeepSeek-V3 для агрегації інформації та створення високоякісних дослідницьких звітів
Для обробки довших текстів модель підсумовування стисло підсумовує контент та оцінює його релевантність. Це запобігає переповненню контекстних вікон мовних моделей.
Технічний стек та інтеграція
Моделі надаються через власну хмарну платформу Together AI. Веб-пошук та отримання контенту обробляються Tavily, з особливою перевагою, що як пошук, так і отримання контенту веб-сайту можуть виконуватися за один виклик API.
Час обробки типового запиту становить від 2 до 5 хвилин, залежно від складності запиту та кількості циклів оцінки та рефлексії.
Мультимодальні виходи та розширені функції
Open Deep Research не обмежується виведенням тексту, а пропонує низку мультимодальних функцій:
- Вивід HTML: Результати представлені у структурованому форматі HTML, який поєднує текстові та візуальні елементи
- Діаграми: Автоматичне створення діаграм за допомогою бібліотеки Mermaid JS JavaScript
- Зображення обкладинки: Генерація тематично відповідних зображень за допомогою моделей Flux від Black Forest Labs
- Функція подкасту: Автоматичне створення компактного аудіоподкасту, що підсумовує основні тези доповіді, з використанням моделей мовлення Sonic від Cartesia
Ці мультимодальні вихідні формати дозволяють зробити досліджувану інформацію більш повною та привабливою.
Оцінка ефективності та контрольні показники
Together AI оцінив продуктивність Open Deep Research за допомогою трьох популярних бенчмарків:
- FRAMES: Тест на багатоетапне логічне мислення
- SimpleQA: Тестування фактичних знань
- HotPotQA: Оцінювання багатоетапних питань, що вимагають кількох кроків міркування
У всіх трьох тестах Open Deep Research показав значно кращі результати, ніж базові моделі без інструментів пошуку. Порівняно з аналогічними відкритими системами, такими як Open Deep Research (LDR) від LangChain та Hugging Faces SmolAgents (SearchCodeAgent), система також загалом досягла вищої якості відгуку.
Особливо важливим висновком оцінювання було те, що кілька послідовних кроків пошуку значно покращують якість відповідей. При обмеженні одним пошуком точність помітно знижувалася.
Відомі обмеження та проблеми
Незважаючи на прогрес, Together AI вказує на кілька обмежень своєї системи:
- Поширення помилок: помилки на ранніх етапах робочого процесу можуть поширюватися по всьому конвеєру та призводити до неправильних кінцевих результатів
- Галюцинації: Галюцинації можуть виникати під час інтерпретації джерел, особливо з неоднозначною або суперечливою інформацією
- Структурні упередження: упередження в навчальних даних або пошукових індексах може впливати на результати
- Своєчасність: Особливу проблему становлять теми, що потребують високої актуальності або мають низький рівень висвітлення в Інтернеті
- Проблема кешування: Хоча впроваджене кешування може знизити витрати, без належного часу дії воно призводить до доставки застарілої інформації
Ці обмеження типові для сучасних інструментів дослідження штучного інтелекту та становлять важливі виклики для майбутніх удосконалень.
Підходить для цього:
Open Deep Research у порівнянні з іншими пропозиціями
Розвиток можливостей глибоких досліджень зараз є тенденцією серед постачальників штучного інтелекту. OpenAI спочатку запропонував цю концепцію, але Google, Grok та Perplexity тепер також пропонують подібні функції. Anthropic нещодавно також представила агентно-орієнтовану дослідницьку функцію для своєї моделі Claude.
Hugging Face вже представив альтернативу з відкритим кодом невдовзі після виходу OpenAI, але не став її розвивати далі. Perplexity, пошукова система на основі штучного інтелекту, пропонує безкоштовну альтернативу Deep Research від ChatGPT, дозволяючи користувачам виконувати до п'яти пошукових запитів «глибокого дослідження» на день.
На відміну від закритих платних систем, таких як Deep Research від OpenAI (яка є частиною підписки ChatGPT Pro вартістю близько 200 доларів на місяць), Together AI пропонує повністю відкриту альтернативу з відкритим вихідним кодом.
Орієнтація на спільноту та масштабованість
Together AI навмисно розробив Open Deep Research як відкриту платформу, яку спільнота може розширювати та вдосконалювати. Архітектура була розроблена з урахуванням можливості легкого розширення – розробники можуть інтегрувати власні моделі, адаптувати джерела даних або додавати нові формати виводу.
Повний код і документація були опубліковані на GitHub разом з набором даних для оцінки та детальними поясненнями в блозі компанії. Together AI розглядає свою систему як основу для подальших експериментів та вдосконалень спільнотою відкритого коду.
Ця відкритість контрастує із закритими підходами інших великих компаній, що займаються штучним інтелектом, і відображає ширшу відданість Together AI відкритому ШІ, яка також була виражена в попередніх проектах, таких як нещодавній випуск моделі кодування з відкритим вихідним кодом на рівні o3-mini, але зі значно меншою кількістю параметрів, ніж у закритих конкурентів.
Значення для дослідницького ландшафту штучного інтелекту
Випуск Open Deep Research від Together AI знаменує собою важливий крок у демократизації передових інструментів дослідження на основі штучного інтелекту. Поєднуючи потужні моделі штучного інтелекту, структуровані багатоетапні веб-дослідження та мультимодальні формати виводу, система пропонує перспективну альтернативу власницьким рішенням.
Відкритий підхід дозволяє розробникам і дослідникам адаптувати, розширювати та вдосконалювати систему відповідно до своїх потреб. Зрештою, це може призвести до більш інноваційних та різноманітних застосувань, ніж це було б можливо із закритими системами.
Хоча проблеми залишаються, особливо щодо галюцинацій, упередженості та своєчасності, програма Together AI Open Deep Research демонструє, що потужні інструменти дослідження штучного інтелекту не повинні обмежуватися пропрієтарними платформами. Ініціатива не лише сприяє відкритому доступу до передових технологій штучного інтелекту, але й сприяє прозорості та відтворюваності — вирішальним факторам для побудови довіри до досліджень на базі штучного інтелекту.
Підходить для цього:
Ваша трансформація AI, інтеграція AI та експерт з питань індустрії платформ AI
☑ Наша ділова мова - англійська чи німецька
☑ Нове: листування на вашій національній мові!
Konrad Wolfenstein
Я радий бути доступним вам та моїй команді як особистого консультанта.
Ви можете зв’язатися зі мною, заповнивши тут контактну форму або просто зателефонуйте мені за номером +49 89 674 804 (Мюнхен) . Моя електронна адреса: Вольфенштейн ∂ xpert.digital
Я з нетерпінням чекаю нашого спільного проекту.
