Pesquisa profunda da OpenAI: Um guia com exemplos práticos

A OpenAI acaba de lançar o Deep Research, um agente de IA alimentado por uma versão do futuro modelo modelo o3. Ele foi projetado para navegar na Web, analisar várias fontes e sintetizar grandes quantidades de informações.

Você pode estar se perguntando: O ChatGPT já não faz isso?

Diferentemente de uma sessão normal do ChatGPT que gera respostas rápidas, o Deep Research pode conduzir investigações em várias etapas, fazer referência a várias fontes e produzir relatórios estruturados.

Por exemplo, se você já pesquisou o melhor carro para comprar - comparando avaliações, pesando custos, etc. - sabe que encontrar informações confiáveis exige tempo e muita navegação na Internet. O Deep Research foi criado exatamente para esse tipo de trabalho.

Eu testei o Deep Research e fiquei impressionado e desapontado. Ele demonstra grande potencial, mas também produz fatos e inferências incorretos. Neste blog, serei seu agente humano e resumirei tudo o que você precisa saber sobre o Deep Research. Eu o orientarei por meio de exemplos práticos, compartilharei dicas de estímulo e mostrarei onde a Pesquisa Profunda se destaca - e onde você precisa ser extremamente cuidadoso.

O que é a pesquisa profunda da OpenAI?

O Deep Research da OpenAI é um agente com tecnologia de IA projetado para realizar pesquisas aprofundadas e em várias etapas na Internet. Ao contrário dos recursos de navegação padrão do ChatGPT, que fornecem respostas rápidas, o Deep Research encontra, analisa e sintetiza de forma autônoma informações de centenas de fontes on-line.

O Deep Research foi projetado para qualquer pessoa que precise de uma pesquisa abrangente e confiável, incluindo:

• Profissionais de finanças, ciências, política e engenharia que precisam de relatórios estruturados e bem citados
• Estrategistas de negócios que realizam análises competitivas ou previsões de tendências
• Pesquisadores e alunos que coletam informações de várias fontes
• Compradores e consumidores que tomam decisões de compra de alto risco (por exemplo, carros, eletrodomésticos, imóveis)
• Escritores, jornalistas e analistas que precisam de insights verificados por fatos e com várias fontes

Basicamente, se uma tarefa envolver a pesquisa de várias fontes, a referência cruzada de dados e a síntese de informações em um formato útil, o Deep Research é a ferramenta ideal para o trabalho.

Como funciona a pesquisa profunda?

Alimentado por uma versão do futuro modelo o3, o Deep Research baseia-se nos avanços da OpenAI em modelos de raciocínio, mas é especificamente otimizado para navegação na Web e análise de dados do mundo real.

Para conseguir isso, a OpenAI treinou o Deep Research usando aprendizado por reforço em tarefas de navegação e raciocínio do mundo real. Isso permite que o modelo siga um processo de pesquisa iterativo e passo a passo, melhorando sua capacidade de sintetizar tópicos complexos em relatórios estruturados.

Benchmarks de pesquisa profunda

O último exame da humanidade

O último exame da humanidade é um benchmark recém-lançado projetado para testar a IA em perguntas de múltipla escolha e de resposta curta de nível especializado em mais de 100 assuntos, desde linguística e ciência de foguetes até ecologia e matemática. Essa avaliação mede a capacidade da IA de raciocinar entre disciplinas e buscar conhecimento especializado quando necessário - uma habilidade essencial para modelos orientados para a pesquisa.

O Deep Research atingiu um recorde de 26,6% de precisão, superando de longe os modelos anteriores, incluindo o o1 da OpenAI (9,1%), o DeepSeek-R1 (9,4%) e o Claude 3.5 Sonnet (4,3%). Notavelmente, as maiores melhorias em relação ao o1 da OpenAI foram observadas em química, ciências humanas e ciências sociais e matemática, onde a Deep Research demonstrou sua capacidade de analisar questões complexas e recuperar informações confiáveis.

* Modelos testados no subconjunto somente de texto do exame porque não são multimodais. Fonte: OpenAI

GAIA

O GAIA (General AI Agent benchmark) avalia a capacidade dos sistemas de IA de lidar com questões do mundo real, exigindo uma combinação de raciocínio, navegação na Web, fluência multimodal e proficiência no uso de ferramentas.

A Deep Research estabeleceu um novo recorde de estado da arte (SOTA), liderando a classificação externa do tabela de classificação do GAIA com forte desempenho em todos os níveis de dificuldade. O modelo mostrou uma precisão particularmente alta nas tarefas de Nível 3, que exigem pesquisa complexa e em várias etapas e síntese .

Fonte: OpenAI

A alta pontuação pass@1do Deep Research mostra que até mesmo sua primeira tentativa de responder a uma pergunta do GAIA é mais precisa do que os modelos anteriores. Apontuação do cons@64 (que mede o desempenho com várias tentativas de resposta) destaca ainda mais sua capacidade de autocorreção e refinamento das respostas com base em novas informações.

Avaliações internas

A OpenAI também realizou avaliações internas, nas quais o Deep Research foi classificado por especialistas de domínio em tarefas de nível especializado. Achei as avaliações internas bastante interessantes!

O gráfico abaixo mostra que a taxa de aprovação do modelo aumenta à medida que você faz mais chamadas de ferramentas. Isso destaca a importância de permitir que ele navegue e analise as informações de forma iterativa - dar a ele mais tempo para pensar leva a melhores resultados.

Fonte: OpenAI

Vamos dar uma olhada em outro gráfico - veja abaixo. O Deep Research tem melhor desempenho em tarefas com valor econômico estimado mais baixo, com a precisão caindo à medida que o impacto financeiro potencial da tarefa aumenta. Isso sugere que as tarefas economicamente mais significativas tendem a ser mais complexas ou dependem de conhecimento proprietário que não é amplamente acessível on-line.

Fonte: OpenAI

O gráfico abaixo contrasta as taxas de aprovação com as horas estimadas que um ser humano levaria para concluir cada tarefa. O modelo tem o melhor desempenho em tarefas que levariam de uma a três horas para uma pessoa, mas o desempenho não diminui consistentemente com o tempo, indicando que o que a IA considera difícil nem sempre está alinhado com o que os humanos consideram demorado.

Fonte: OpenAI

Como usar a pesquisa profunda: Exemplos práticos

No momento da publicação deste artigo, o Deep Research só está disponível para usuários Pro, com um limite de 100 consultas por mês, mas a OpenAI planeja expandir o acesso para usuários Plus, Team e Enterprise em breve.

Na minha opinião, a Deep Research ainda está em sua fase inicial. Embora seja muito promissor, o primeiro exemplo abaixo destaca muitos de seus problemas. No entanto, o segundo exemplo demonstra seu imenso potencial.

Exemplo 1: Ecossistemas de IA

Eu me esforço constantemente para obter uma visão geral completa dos ecossistemas de IA de diferentes empresas. Veja o Google, por exemplo: eles têm o Gemini 2.0 Flash, o Imagen 3, o Veo 2, o Project Mariner, o Project Astra... o que mais está faltando? Para finalmente obter uma visão geral clara, pedi à Deep Research da OpenAI que fizesse esta solicitação.

Observe que o modelo não iniciou a pesquisa diretamente, mas pediu esclarecimentos. Em todos os meus testes, independentemente da especificidade da minha primeira solicitação, o modelo sempre tentou restringir sua pesquisa. Isso é útil, na minha opinião, porque muitas vezes acho que meu prompt é claro e específico, mas geralmente precisa de algum refinamento.

Respondi às perguntas do modelo e então a pesquisa começou. Um painel foi aberto no lado direito do navegador, mostrando a atividade e as origens do agente em tempo real: