就在剛剛，國內(nèi)第一家免費公開可用的「深度研究」產(chǎn)品來了！

這個產(chǎn)品，可以直接對標(biāo)海外的Deep Research能力，性能十分強大。

在BrowseComp等評測集上，它們超越了上周剛開源且達到最好結(jié)果的WebSailor模型，準(zhǔn)確率有明顯提升。

左右滑動查看

此時此刻，不得不感嘆，AI領(lǐng)域的變化節(jié)奏真的是一天一個樣。

如今，在秘塔AI搜索首頁登錄后，即可直接體驗「深度研究」了。

傳送門：https://metaso.cn/

一手實測，多線迭代搜

接下來，就讓我們來實測一番。

對于一個「深度研究」產(chǎn)品，最重要的是什么？答案自然是具體研究的深度和廣度了，這也正是讓它區(qū)別于普通AI聊天機器人和大部分搜索產(chǎn)品的地方。

實測第一彈，我們找來了上面提到的那個評測集中的一個問題——

有一著名詩詞人，他參加科舉考試時被主考官和小試官賞識且小試官的姓是花的名字。他的出生地a的南部毗鄰城市b在當(dāng)前誕生了一位頂流男明星。該男星在2022年因為一部電視劇大火，并且他生于年末。求問該男星大學(xué)畢業(yè)院校成立于哪一年

看到這個刁鉆的問題，我大概能理解為什么GPT-4o只能得6分了。不僅涉及眾多事實性細節(jié)，還要將文學(xué)史上的常識與娛樂圈的信息通過地理信息來進行關(guān)聯(lián)，普通的搜索產(chǎn)品恐怕無法回答如此無厘頭的問題。

BrowseComp評測集的問題難點就在這里，不僅需要模型有尋找復(fù)雜信息的能力，還需要有整合推理、交叉驗證準(zhǔn)確性的能力，從一個已知的事實出發(fā)，找到隱藏在多層細節(jié)之后的答案。

秘塔AI的表現(xiàn)，很符合他們準(zhǔn)確率第一的成績。

在研究路徑圖中，它首先挖掘出，這位詩詞人就是蘇軾，當(dāng)時科舉考試的小試官就是梅堯臣。

蘇軾的出生地為四川眉州（今眉山市），經(jīng)過嚴格的篩選搜索結(jié)果，眉山直接毗鄰的樂山市出生的王鶴棣，是唯一匹配者。

最終秘塔AI分析出，該男星的大學(xué)畢業(yè)院校成立于2004年。

第二個問題是：宇宙中到底有沒有比碳更適合構(gòu)建生命的元素？

在我們一般人的理解中，碳一定是那個被宇宙生命進化樹選中的天選元素，不過，在秘塔AI的研究路徑圖中，很快就展現(xiàn)出了出人意料的答案，而且居然是在外星生命的證據(jù)中發(fā)現(xiàn)的。

要知道，在一般硅谷大廠的DeepResearch產(chǎn)品中，展示過程大多還囿于線性的界面。

但是秘塔AI的界面，通過左上角的占用token數(shù)、信源數(shù)，下面滾動進行的任務(wù)，和極其具象化的證據(jù)鏈展示網(wǎng)，把這個問題的探索脈絡(luò)清清楚楚地展現(xiàn)了出來！

這個AI是如何搜索信源、如何整合信息、如何思考問題的，一步步條分縷析，無比清晰，簡直就像一個透明大腦，把它的內(nèi)部運作流程直接展示給你看，太炸裂了。

比如它找到了多份學(xué)術(shù)資料，發(fā)現(xiàn)在極端行星環(huán)境（比如高壓高溫、液態(tài)甲烷海洋中）中，硅基或硫基的生化路徑相比碳基具備更大的優(yōu)勢。

另外，在天體化學(xué)領(lǐng)域，人們還發(fā)現(xiàn)可以在星際復(fù)雜分子中用硼-氮鍵來替代碳-碳鍵，來構(gòu)建生命基礎(chǔ)。

接著，它生成了一份研究報告，分析了硅、硫和硼作為碳的潛在替代元素的可行性。

最終的結(jié)論是，目前在宇宙中，碳仍然是最適合構(gòu)建生命的元素。

這個問題的完整研究報告如下。

上下滑動查看 

第三個問題，我們把視角從宇宙切回地球。

就在這兩周，剛剛爆出OpenAI欲收購Windsurf，卻被谷歌反手截胡的大瓜，硅谷巨頭們在Vibe Coding上，將會怎樣布局？

秘塔AI分析出了這次交易的核心細節(jié)，以及當(dāng)前硅谷巨頭（包括谷歌、微軟、蘋果、亞馬遜等）的Vibe Coding布局。

而在AI編程對未來兩年市場的影響上，它總結(jié)出2025年AI投資將達2000億美元，代碼生成/測試工具將占生成式AI投資的35%；IPO的市場分化還會加劇。

而關(guān)于AI編程對于未來市場的影響，它分析出程序員的兩極分化會更嚴重，同時也會誕生全新的崗位——氛圍編程師。

在學(xué)術(shù)層面，秘塔AI會有怎樣的洞見呢？

最近，CMU大牛、Mamba架構(gòu)作者Albert Gu陸續(xù)發(fā)出兩大動態(tài)，先是發(fā)布了一篇總結(jié)性博客，提出「Tokens都是胡扯」的觀點，然后又發(fā)布了一篇預(yù)示著Tokenizers正在退場的新論文。

論文地址：https://arxiv.org/pdf/2507.07955v1

讓我們來試試，秘塔AI的深度研究功能，是否能為我們梳理出一份足夠權(quán)威、準(zhǔn)確的學(xué)術(shù)研究綜述？

在最終給出的總結(jié)報告中，它指出Tokenization的本質(zhì)問題，就在于人為制造的「信息枷鎖」，由此造成了語義斷裂、信息損失、效率瓶頸和計算冗余等。

而相比空間狀態(tài)模型SSM，Transformer存在著眾多根本性的短板，為此，Albert Gu在論文中提出了H-Net分層架構(gòu)，以克服Tokenization與Transformer的雙重缺陷。

而在未來，他預(yù)言了Tokenizer必然消亡，下一代模型將整合SSM的線性計算優(yōu)勢（長序列低耗）和H-Net的層次化語義抽象能力，而這一方向已在Mamba-2上實現(xiàn)。

可以看出，秘塔AI的深度研究能力，可以在短時間內(nèi)幫我們快速掌握大量關(guān)鍵信息，對于學(xué)術(shù)研究極有裨益。

交互式報告，一鍵生成

秘塔AI「深度研究」另一大特色功能，便是一鍵生成互動研究報告了。

若說結(jié)構(gòu)清晰、內(nèi)容詳細的專業(yè)報告，可以省去繁瑣的整理工作，互動研究報告則可以讓成果更具吸引力。

如何理解？

接下來，我們讓秘塔AI幫忙總結(jié)下，馬斯克xAI公司成立時間和Grok家族模型發(fā)布節(jié)點。

若是自主去查找信息，需要一個一個去查詢，Grok系模型迭代了4次，不僅耗時又耗力。

秘塔AI「深度研究」，就像一個AI助理一樣，直接幫你把所有信息匯總完畢。

這時，讓秘塔AI再次生成「互動研究報告」，沒幾分鐘，一個精美的圖文版報告就誕生了。

在網(wǎng)頁版最右邊，是報告的清晰目錄，任意點擊即可跳轉(zhuǎn)到相應(yīng)的位置。

而且，在報告標(biāo)題部分，秘塔AI還基于整體內(nèi)容做了提煉總結(jié)，并呈現(xiàn)了了關(guān)鍵詞，甚至，還配上了一個非常有科技范兒的圖片。

往下劃拉，在xAI公司成立這部分，它主要總結(jié)了成立時間和背景，并提供了關(guān)鍵事實分析和配圖。

Grok所有模型的迭代路線圖，它都以時間線串了起來。

另外，Grok 4兩個版本的區(qū)分，秘塔AI還做成了一個可視化的對比表格，非常驚艷。

接下來，再來測個熱點相關(guān)的話題。

面對甘肅天水幼兒園血鉛事件，家長應(yīng)該從中汲取怎樣教訓(xùn)？

把問題扔給秘塔AI后，它同樣先將其拆解細化為多個問題，比如天水幼兒園鉛事件具體原因和污染源、鉛中毒對兒童健康主要影響和癥狀等等。

針對不同的細分問題，秘塔AI在其右上角，單獨展現(xiàn)了相關(guān)的結(jié)論、信息來源，部分問題還提供了視頻補充說明，方便查閱細節(jié)。

看得出，每個小問題，堪稱一個「深度研究」。

整個研究路徑圖中，后一個問題是前一個問題迭代和分支，如同剝洋蔥一樣，深挖到最核心的問題。

這次，我們依舊讓它生成互動研究報告，如下一個圖文版的報告現(xiàn)身了。

從事件背景、鉛中毒對兒童終身健康影響、家長主動防護措施，到事后法律維權(quán)途徑、制度改善，最終報告覆蓋了方方面面。

這一過程，僅消耗了3分鐘，要比人力調(diào)查效率高出好幾倍。

同樣，在報告開篇，非常直觀地呈現(xiàn)了內(nèi)容主旨、關(guān)鍵詞。

可圈可點的是，針對鉛中毒對兒童的終身健康影響這部分，秘塔AI分列了對神經(jīng)系統(tǒng)損傷的短期和長期風(fēng)險，配上了一張可視化圖片、表格。

為了便于理解，在食品添加劑識別、監(jiān)管變革部分，它還附上了相關(guān)的視頻，非常驚艷。

不難看出，每一份報告都是獨一無二的設(shè)計，根據(jù)相應(yīng)內(nèi)容的組合，融合了豐富的元素。

互動研究報告的風(fēng)格和布局，能夠滿足不同場景的個性化需求，讓知識分享更具視覺沖擊力和交互體驗。

秘塔AI，開啟智能研究新時代

秘塔AI「深度研究」的上線，標(biāo)志著AI智能研究邁入全新的紀元。

其意義遠超一款工具的發(fā)布，而是在知識生產(chǎn)與傳播方式上的深刻變革。

作為國內(nèi)首款免費公開、對標(biāo)國際頂尖Deep Research能力的工具，它打破了技術(shù)壁壘，讓所有人都能用上，極大地降低了知識獲取的門檻。

無論是學(xué)生、研究者，還是職場人士，進入秘塔AI即可輕松解鎖前沿的深度研究體驗。

在信息爆炸與知識碎片化的今天，獲取精準(zhǔn)、系統(tǒng)化的洞察越來越復(fù)雜。

傳統(tǒng)的研究方式往往耗時耗力，且難以應(yīng)對困難問題的多維度需求。

而秘塔AI「深度研究」以其強大的技術(shù)內(nèi)容，為我們提供了一站式的解決方案，重新定義了知識探索的效率與深度。

它通過同步生成問題路徑圖、清晰的邏輯追溯，以及可靠的信息源，能讓每一步推導(dǎo)可以查證。

尤其是，針對商業(yè)決策、學(xué)術(shù)研究等嚴謹性要求高的領(lǐng)域來說，這種透明性大大提升了研究的效率。

此外，秘塔AI「深度研究」支持的多樣化輸出形式，從結(jié)構(gòu)化專業(yè)報告到動態(tài)的互動網(wǎng)頁，提供了更多的靈活性。

從「研究」到「呈現(xiàn)」的全鏈條支持，可以極大地釋放人們的創(chuàng)造力，同時讓知識的傳播與應(yīng)用更加高效。

這樣的免費羊毛，還不快點來薅？！