Deep Research của OpenAI: Hướng dẫn kèm ví dụ thực tế

OpenAI vừa ra mắt Deep Research, một tác nhân AI được vận hành bởi một phiên bản của mô hình o3 sắp ra mắt. Công cụ này được thiết kế để duyệt web, phân tích nhiều nguồn và tổng hợp lượng thông tin lớn.

Bạn có thể tự hỏi: Chẳng phải ChatGPT đã làm được điều này rồi sao?

Khác với một phiên trò chuyện ChatGPT thông thường tạo phản hồi nhanh, Deep Research có thể tiến hành điều tra nhiều bước, tham chiếu nhiều nguồn và tạo báo cáo có cấu trúc.

Ví dụ, nếu bạn từng tìm hiểu chiếc xe nào đáng mua nhất—so sánh đánh giá, cân nhắc chi phí, v.v.—bạn sẽ biết việc tìm thông tin đáng tin cậy tốn thời gian và phải duyệt Internet rất nhiều. Deep Research được xây dựng chính xác cho dạng công việc này.

Tôi đã thử nghiệm Deep Research và vừa kinh ngạc vừa thất vọng. Công cụ cho thấy tiềm năng lớn, nhưng cũng đưa ra các dữ kiện và suy luận sai. Trong bài viết này, tôi sẽ là “tác nhân” con người của bạn và tóm lược mọi điều bạn cần biết về Deep Research. Tôi sẽ hướng dẫn qua các ví dụ thực tế, chia sẻ mẹo nhắc lệnh, và chỉ ra nơi Deep Research tỏa sáng—và nơi bạn cần hết sức thận trọng.

Deep Research của OpenAI là gì?

Deep Research của OpenAI là một tác nhân vận hành bằng AI, được thiết kế để thực hiện nghiên cứu chuyên sâu, nhiều bước trên Internet. Khác với khả năng duyệt web tiêu chuẩn của ChatGPT vốn cung cấp phản hồi nhanh, Deep Research tự động tìm kiếm, phân tích và tổng hợp thông tin từ hàng trăm nguồn trực tuyến.

Deep Research được thiết kế cho bất kỳ ai cần nghiên cứu toàn diện và đáng tin cậy, bao gồm:

• Chuyên gia trong tài chính, khoa học, chính sách và kỹ thuật cần báo cáo có trích dẫn đầy đủ, có cấu trúc
• Nhà chiến lược kinh doanh thực hiện phân tích cạnh tranh hoặc dự báo xu hướng
• Nhà nghiên cứu và sinh viên thu thập thông tin từ nhiều nguồn
• Người mua sắm, người tiêu dùng đưa ra quyết định mua sắm quan trọng (ví dụ: ô tô, thiết bị gia dụng, bất động sản)
• Nhà văn, nhà báo và nhà phân tích cần thông tin đa nguồn đã kiểm chứng

Về cơ bản, nếu một tác vụ đòi hỏi duyệt nhiều nguồn, đối chiếu dữ liệu và tổng hợp thông tin thành định dạng hữu ích, Deep Research là công cụ phù hợp.

Deep Research hoạt động như thế nào?

Được vận hành bởi một phiên bản của mô hình o3 sắp ra mắt, Deep Research kế thừa tiến bộ của OpenAI trong các mô hình suy luận nhưng được tối ưu riêng cho duyệt web và phân tích dữ liệu thực tế.

Để đạt được điều này, OpenAI đã huấn luyện Deep Research bằng học tăng cường trên các tác vụ duyệt web và suy luận trong thế giới thực. Điều này cho phép mô hình theo quy trình nghiên cứu lặp đi lặp lại theo từng bước, nâng cao khả năng tổng hợp chủ đề phức tạp thành báo cáo có cấu trúc.

Các thang đo chuẩn của Deep Research

Humanity’s Last Exam

Humanity’s Last Exam là thang đo chuẩn mới phát hành nhằm kiểm tra AI với câu hỏi trắc nghiệm và tự luận ngắn cấp độ chuyên gia trên hơn 100 môn, từ ngôn ngữ học và khoa học tên lửa đến sinh thái học và toán học. Bài đánh giá này đo lường khả năng suy luận liên ngành và tìm kiếm tri thức chuyên sâu khi cần—một kỹ năng trọng yếu với các mô hình định hướng nghiên cứu.

Deep Research đạt độ chính xác kỷ lục 26,6%, vượt xa các mô hình trước đó, bao gồm chính o1 của OpenAI (9,1%), DeepSeek-R1 (9,4%) và Claude 3.5 Sonnet (4,3%). Đáng chú ý, mức cải thiện lớn nhất so với o1 của OpenAI xuất hiện ở hóa học, khoa học nhân văn và khoa học xã hội, cùng toán học, nơi Deep Research thể hiện khả năng phân rã câu hỏi phức tạp và truy xuất thông tin có thẩm quyền.

* Các mô hình được kiểm tra trên phần đề chỉ có văn bản vì chúng không đa phương thức. Nguồn: OpenAI

GAIA

GAIA (thang đo General AI Agent) đánh giá mức độ hệ thống AI xử lý câu hỏi đời thực, đòi hỏi kết hợp suy luận, duyệt web, thông hiểu đa phương thức và thành thạo sử dụng công cụ.

Deep Research thiết lập kỷ lục SOTA mới, dẫn đầu bảng xếp hạng GAIA bên ngoài với hiệu năng mạnh ở mọi cấp độ khó. Mô hình đặc biệt chính xác ở tác vụ Cấp 3, vốn yêu cầu nghiên cứu phức tạp, nhiều bước và tổng hợp.

Nguồn: OpenAI

Điểm pass@1 cao của Deep Research cho thấy ngay nỗ lực đầu tiên trả lời câu hỏi GAIA của nó cũng chính xác hơn các mô hình trước. Điểm cons@64 (đo hiệu năng khi có nhiều lần thử phản hồi) càng nhấn mạnh khả năng tự hiệu chỉnh và tinh chỉnh câu trả lời dựa trên thông tin mới.

Đánh giá nội bộ

OpenAI cũng thực hiện các đánh giá nội bộ, trong đó Deep Research được chuyên gia lĩnh vực chấm điểm trên các tác vụ cấp độ chuyên gia. Tôi thấy những đánh giá nội bộ này khá thú vị!

Biểu đồ dưới đây cho thấy tỷ lệ vượt qua tăng khi mô hình thực hiện nhiều lần gọi công cụ hơn. Điều này nêu bật tầm quan trọng của việc để công cụ duyệt và phân tích thông tin theo cách lặp—cho nó thêm “thời gian suy nghĩ” sẽ cho kết quả tốt hơn.

Nguồn: OpenAI

Hãy xem biểu đồ khác dưới đây. Deep Research đạt hiệu năng tốt nhất trên các tác vụ có giá trị kinh tế ước tính thấp, với độ chính xác giảm khi tác vụ có tác động tài chính tiềm năng cao hơn. Điều này gợi ý các tác vụ có ý nghĩa kinh tế lớn thường phức tạp hơn hoặc phụ thuộc vào tri thức sở hữu riêng không phổ biến trên mạng.

Nguồn: OpenAI

Biểu đồ dưới đây đối chiếu tỷ lệ vượt qua với số giờ ước tính mà con người cần để hoàn thành mỗi tác vụ. Mô hình hoạt động tốt nhất với các tác vụ mà một người sẽ mất 1–3 giờ, nhưng hiệu năng không giảm đều theo thời gian—cho thấy điều AI thấy khó không phải lúc nào cũng trùng với điều con người thấy tốn thời gian.

Nguồn: OpenAI

Cách sử dụng Deep Research: Ví dụ thực tế

Tại thời điểm xuất bản bài viết này, Deep Research chỉ có sẵn cho người dùng Pro, giới hạn 100 truy vấn mỗi tháng, nhưng OpenAI dự định sớm mở rộng cho người dùng Plus, Team và Enterprise.

Theo tôi, Deep Research vẫn đang ở giai đoạn đầu. Dù rất hứa hẹn, ví dụ đầu tiên dưới đây nêu bật nhiều vấn đề của nó. Tuy nhiên, ví dụ thứ hai cho thấy tiềm năng to lớn.

Ví dụ 1: Hệ sinh thái AI

Tôi luôn chật vật để có cái nhìn đầy đủ về hệ sinh thái AI của các công ty khác nhau. Lấy Google làm ví dụ—họ có Gemini 2.0 Flash, Imagen 3, Veo 2, Project Mariner, Project Astra… tôi còn bỏ sót gì? Để cuối cùng có cái nhìn rõ ràng, tôi đã đưa yêu cầu này cho Deep Research của OpenAI.

Lưu ý rằng mô hình không bắt tay vào nghiên cứu ngay mà hỏi làm rõ. Trong mọi bài thử của tôi, dù lời nhắc đầu tiên cụ thể đến đâu, mô hình luôn cố gắng thu hẹp phạm vi nghiên cứu. Theo tôi, điều này hữu ích vì tôi thường nghĩ lời nhắc của mình rõ ràng và cụ thể, nhưng nó thường hưởng lợi từ việc tinh chỉnh đôi chút.

Tôi đã trả lời các câu hỏi của mô hình, rồi quá trình nghiên cứu bắt đầu. Một bảng điều khiển mở ra ở cạnh phải trình duyệt, hiển thị hoạt động và nguồn tham khảo của tác nhân theo thời gian thực: