Опубліковано: 19 квітня 2025 р. / Оновлення з: 19 квітня 2025 р. - Автор: Конрад Вольфенштейн
Альтернатива KI Open Source: Разом AI публікує відкриту джерело "Відкрити глибокі дослідження" для детального веб-дослідження: Xpert.digital
Структурований, джерело, потужний: Разом AI підводить глибокі дослідження на новий рівень
Разом AI представляє «відкриті глибокі дослідження»: альтернатива з відкритим кодом Deep OpenAis Deep Research
16 квітня 2025 року AI разом випустив "Відкриті глибокі дослідження" - джерело -відкрита система для структурованих веб -досліджень, яка була розроблена як альтернатива Deep OpenAis Deep Research. Інструмент може відповідати на складні запитання за допомогою багато -ступінчастого веб -дослідження та створювати всебічні звіти, що базуються на джерела. На відміну від власних рішень, AI Public Public забезпечує повний код, записи даних та архітектуру системи для сприяння подальшому розвитку на основі спільноти.
Підходить для цього:
Архітектура відкритих глибоких досліджень
Відкриті глибокі дослідження працюють з робочим процесом на чотири ступені, що імітує процес дослідження людини. Процес починається з кроку планування, на якому модель AI створює список відповідних пошукових запитів. Потім відповідний вміст з Інтернету збирається за допомогою API для мандрівного пошуку. Потім модель оцінки перевіряє, чи є прогалини на знання перед тим, як модель письма нарешті створює остаточний звіт.
Спеціальний підхід разом AI полягає у використанні різних спеціалізованих моделей для різних завдань у так званому підході "суміш агента" (MOA). Для впровадження використовуються такі моделі AI:
- Планувальник: QWEN2.5-72b Інструкція Turbo від Alibaba для планування та навичок міркувань
- Короткий зміст: Llama 3.3-70b Інструкція Turbo від Meta підсумувати довгий веб-контент
- Екстрактор JSON: LLAMA 3.1-70b Інструкція Turbo від META для структурованої інформації
- Виробник звітності: DeepSeek-V3 для агрегації інформації та створення високоякісних звітів
Для того, щоб мати змогу мати справу з більш тривалими текстами, підсумкова модель узагальнює вміст компактно та оцінює її актуальність. Це запобігає переповненню контекстних вікон голосових моделей.
Технічний стек та інтеграція
Як технічна основа, моделі надаються через власну хмарну платформу AI. Запит на пошук та вмісту в Інтернеті відбувається через тавлі, завдяки чому певна перевага полягає в тому, що і пошук, і пошук вмісту веб -сайту можна викликати в одному виклику API.
Час обробки для типового запиту становить від 2 до 5 хвилин, залежно від складності запиту та кількості циклів оцінювання та відбиття.
Мультимодальні видання та розширені функції
Відкриті глибокі дослідження не обмежуються лише текстовими виданнями, але й пропонують ряд мультимодальних функцій:
- HTML Edition: Результати представлені у структурованому форматі HTML, текст та візуальні елементи поєднуються
- Діаграми: Автоматичне створення діаграм через бібліотеку JavaScript JS JS
- Обкладинки: Покоління тематично підходящих зображень за допомогою моделей потоку Black Forest Labs
- Функція подкастів: Автоматичне створення компактного аудіо -подкасту, який узагальнює основні моменти звіту, використовуючи моделі звукової мови з Cartesia
Ці мультимодальні виводні формати дають можливість більш всебічного та привабливого представлення досліджуваної інформації.
Оцінка ефективності та орієнтири
Разом AI оцінив ефективність відкритих глибоких досліджень, використовуючи три популярні орієнтири:
- Рамки: Тест на багатоповерхові логічні висновки
- Simpleqa: Вивчення фактичних знань
- Hotpotqa:
У всіх трьох орієнтирах відкриті глибокі дослідження відрізали набагато краще, ніж основні моделі без інструментів пошуку. Також порівняно з подібними відкритими системами, такими як Langchains Open Deep Research (LDR) та обіймати обличчя Smolagen (SearchCodeagent), система зазвичай досягла більшої якості відповіді.
Особливо важливим результатом оцінки стала усвідомлення того, що кілька послідовних досліджень значно покращують якість відповіді. Коли обмежено одним запуском пошуку, точність помітно впала.
Відомі обмеження та виклики
Незважаючи на прогрес, AI разом вказує на різні обмеження в її системі:
- Продовження помилок: Помилки в ранніх етапах робочого процесу можуть тривати через весь трубопровід і призвести до неправильних кінцевих результатів
- Галюцинації: Галюцинації можуть відбуватися при інтерпретації джерел, особливо за допомогою неоднозначної або суперечливої інформації
- Структурні спотворення: зміщення в навчальних даних або показниках пошуку може впливати на результати
- Тополу: теми з високими потребами -датами або низькою веб -обкладинкою -це особлива проблема
- Проблема кешування: впроваджене кешування може зменшити витрати, але призводить до надання застарілої інформації без відповідного терміну закінчення терміну дії
Ці обмеження є типовими для сучасних інструментів досліджень ШІ та представляють важливі проблеми для майбутніх вдосконалень.
Підходить для цього:
Відкриті глибокі дослідження порівняно з іншими пропозиціями
Наразі розвиток функцій глибоких досліджень є тенденцією серед постачальників ШІ. OpenAai спочатку представив цю концепцію, але тепер Google, Grok та здивованість також пропонують подібні функції. Нещодавно Antropic також представив дослідницьку функцію на основі агента для своєї моделі Claude.
Обіймання обличчя вже представило джерело -відкриту альтернативу незабаром після публікації OpenAI, але не розвинуло його далі. Як пошукова система AI, здивовлення пропонує безкоштовну альтернативу Chatgpts Deep Research, завдяки чому користувачі можуть проводити до п'яти пошуків за допомогою «глибоких досліджень» щодня.
На відміну від закритих, платних систем, таких як Deep OpenAis Deep (частина підписки Chatgpt Pro, становить приблизно 200 доларів на місяць), разом AI пропонує повністю відкриту та відкриту джерело альтернативи.
Фокус та розширення громади
Разом AI навмисно розробляв відкриті глибокі дослідження як відкриту платформу, яку може бути розширена та вдосконалена громадою. Архітектура була розроблена таким чином, щоб її можна було легко розширити - розробники можуть інтегрувати власні моделі, регулювати джерела даних або додавати нові виводні формати.
Повний код та документація були опубліковані на Github разом із набором даних про оцінку та детальними поясненнями в блозі компанії. Разом AI розглядає свою систему як основу для подальших експериментів та вдосконалень від спільноти з відкритим кодом.
Ця відкритість виступає на відміну від закритих підходів інших великих компаній AI та відображає разом AIS більш широке залучення до AI з відкритим кодом, яка також була виражена в попередніх проектах, таких як нещодавня публікація моделі кодування відкритого джерела на рівні O3-Mini, але зі значно меншою кількістю параметрів, ніж закрита конкуренція.
Значення для дослідницького ландшафту AI
Публікація відкритих глибоких досліджень за допомогою AI позначає важливий крок у демократизації передових інструментів досліджень AI. За допомогою поєднання потужних моделей AI, структурованих багаторівневих веб-досліджень та мультимодальних форматів виходу, система пропонує перспективну альтернативу власним рішенням.
Відкритий підхід дозволяє розробникам та дослідникам адаптуватися, розширювати та вдосконалювати систему до своїх потреб. Це може призвести до більш інноваційних та різноманітних застосувань у довгостроковій перспективі, ніж це можливо, із закритими системами.
Хоча все ще є проблеми, особливо стосовно галюцинацій, упередженості та актуальності, разом з відкритими дослідженнями AIS показують, що потужні інструменти досліджень AI не повинні обмежуватися власними платформами. Ініціатива не лише сприяє відкритій доступу до передових технологій AI, але й сприяє прозорій та простежуванню, найважливішими факторами довіри до результатів досліджень, що підтримуються AI.
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!
Конрад Вольфенштейн
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.
