谷歌推出了两款新的人工智能（AI）代理，能够根据用户指定的主题自动生成调查报告。它们不仅能进行简单搜索，还能结合公开网络乃至企业内部数据进行分析，预计将令企业级AI竞争愈发激烈。
谷歌于当地时间22日发布了“深度研究”（Deep Research）和“深度研究Max”（Deep Research Max）。这两款产品是去年12月推出的现有AI研究工具的后继型号。当时该工具基于“Gemini 3 Pro”开发，而新产品则应用了今年2月发布的、更为先进的大语言模型（LLM）“Gemini 3.1 Pro”。
性能提升幅度也不小。谷歌表示，根据OpenAI的基准测试“BrowseComp”对两代模型进行比较的结果显示，Gemini 3.1 Pro获得了85.9分。这比现有的Gemini 3 Pro高出25分以上。该基准测试通过1000多个任务来评估LLM的在线研究能力。
数据访问范围与应用案例
新AI代理的特点在于其数据访问范围。“深度研究”和“深度研究Max”不仅能访问公开网络，还能调用企业内部系统的数据。连接内部系统时使用“MCP”（模型上下文协议），用户也可以直接上传电子表格或视频文件来补充分析数据集。
谷歌提出了医疗保健和金融作为应用案例。例如，研究人员可以快速生成关于具有治疗潜力的新化合物的报告，金融专家也可以将正在考虑投资的企业的调研工作交给AI。这意味着可以大幅缩短信息收集与整理阶段所需的时间。
这些代理还提供将收集的数据进行可视化的功能。可视化可以以HTML代码的形式实现，或者利用谷歌的图像生成器“Nano Banana”。据谷歌称，Nano Banana内置了通用知识数据库，能够相对准确地解释输入的信息并以图像形式呈现。
工作方式与产品差异
工作方式也被设计为用户可以预先调整。在开始生成报告之前，AI会首先提出一份如何进行调研的概要。用户可以修改这份计划以提高最终成果的质量。例如，研究人员可以指定某个特定的科学数据库作为优先搜索目标。
这两款产品的定位有所不同。“深度研究”被设计为使用相对较少的计算资源运行。谷歌解释说，该模型相比去年12月的版本成本更低，响应速度更快，结果质量也有所改善。这意味着它适用于需要快速响应的应用场景。
相比之下，“深度研究Max”则侧重于“最大限度的全面性”。其结构是投入更多的时间和硬件资源，以生成更深入的报告。这被解读为针对更看重完成度和调研范围而非速度的工作任务所定制的产品。
意义与未来计划
谷歌DeepMind的Lucas Hasse和Srinivas Tadepalli通过博客表示：“‘深度研究’报告本身固然有价值，但也可以作为从深度上下文收集开始的、复杂代理型工作流程的第一步。” 这说明了AI正在超越简单的问答，成为实际工作流程的“起点”。
目前，“深度研究”和“深度研究Max”通过Gemini API以公共预览的形式提供。未来计划扩展到Google Cloud。谷歌还表示，计划增加MCP联动功能，以便更轻松地访问FactSet、PitchBook等数据源。
此次发布表明，生成式AI的竞争正迅速从“交互式聊天机器人”转向“实用型代理”。特别是谷歌试图将调研、分析、可视化、内部数据连接整合为一体的尝试，有可能在企业级AI市场产生相当的影响力。
TP AI注意事项 本文使用基于TokenPost.ai的语言模型进行摘要。正文主要内容可能被省略，或与事实存在差异。