免费的Deep Research来了!CEO直言:感谢DeepSeek,速度是OpenAI 9倍,性能超R1/o3-mini

大模型向量数据库数据中台

🍹

Insight Daily

🪺

Aitrainee | 公众号:AI进修生

Hi,这里是Aitrainee,欢迎阅读本期新文章。

国外AI搜索引擎大哥Perplexity的Deep Research来了。

这是继OpenAI和Google之后,又一个进军深度研究的AI工具。

随便一个话题,就能生成深度报告。最重要的是:对所有人免费开放。

免费用户每天5次,Pro用户每天500次。OpenAI要收200美元月费,这个差别不小。

工作方式很有意思。一个问题,它会搜索几十次,读几百个来源。像个不知疲倦的研究员。

对此,网友表示:何必谷歌

picture.image

金融、市场、产品研究,样样在行。在"人类最后一次考试"中,成绩也很亮眼。

picture.image

Perplexity 的深度研究在 Humanity's Last Exam 上取得了 20.5% 的准确率,远高于 Gemini Thinking、o3-mini、o1、DeepSeek-R1 和许多其他领先模型。

( 注:Humanity

's Last Exam⁠

是人工智能系统的综合基准,包含 3,000 多个问题,涵盖 100 多个学科,从数学和科学到历史和文学。)

OpenAI准确率最高。Perplexity紧随其后。都超过了Gemini、o3-Mini和Claude。

不过我想问,他们算了其他模型加了搜索的功能吗?picture.image

其实关于Deep Research这个名字,倒是成了2025最热门的"复制粘贴"。

谷歌先用,OpenAI跟上,这次Perplexity也来了。网友都在问:真的想不出别的名字了吗?

picture.image

OpenAI/Google没料到:半路杀出个免费程咬金

Perplexity的CEO很直接,直接Diss Openai:比别人快9倍,资料多1.5倍,简洁5倍。最重要的是,不用每月花200美元。

picture.image

速度上有明显差异。Perplexity只需3分钟。Openai的要半小时到数小时。

picture.image

订阅版使用次数也不同。Perplexity Pro每天500次。ChatGPT Pro只有100次。当然,Perplexity还提供免费版。

目前,Perplexity 深度研究网站版已经上线。iOS、Android和Mac版本即将推出。

Perplexity平台和深度研究功能已集成DeepSeek R1。

picture.image

Perplexity的CEO(Aravind Srinivas)公开表示:

多亏了Deepseek—— 开源的,又便宜又快。

picture.image

使用很简单。在搜索框下选择模型,点击新选项就能开始。

picture.image

甚至你可以在这样使用picture.image

picture.image

Perplexity的Deep Research模 式是怎么工作的?

说白了,它就是个超级研究助手。普通的Perplexity已经很会回答问题了,但Deep Research更厉害 - 它能在1-2分钟内完成人类专家可能要花好几个小时才能做完的研究。

它是这么干的:

首先,它会像个真正的研究员一样思考。

  • 一边搜索资料

  • 一边读文档

  • 一边想"下一步该查什么"

    UP:点击视频

就跟我们人类研究新课题时一样,边学边调整研究方向。

然后呢,它会把找到的所有资料整理成一份清晰的报告。

最后,你想怎么用就怎么用:

导出成PDF?没问题

存成文档?也行

变成Perplexity网页分享给同事?随你便

picture.image

picture.image

实践例子

技术

picture.image

金融

picture.image

营销

picture.image

不过也有网友反映,Perplexity的Deep Research实际效果还是有点差强人意:

picture.image

picture.image

但是,有竞争终归是好的。

picture.image

以下,本期主题AI画作:

picture.image

picture.image

🌟 知音难求,自我修 **炼亦艰,

抓住前沿技术的机遇,与我们一起成为创新的超级个体

(把握AIGC时代的个人力量)。**

**点这里

👇

关注我,记得标星哦~**

0
0
0
0
关于作者
关于作者

文章

0

获赞

0

收藏

0

相关资源
火山引擎大规模机器学习平台架构设计与应用实践
围绕数据加速、模型分布式训练框架建设、大规模异构集群调度、模型开发过程标准化等AI工程化实践,全面分享如何以开发者的极致体验为核心,进行机器学习平台的设计与实现。
相关产品
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论