OpenAI закрывает доступ к Deep Research пользователям Plus, разжигая войны ИИ-агентов с DeepSeek и Claude
Кредит: VentureBeat, создано с помощью Midjourney
Подпишитесь на наши ежедневные и еженедельные рассылки, чтобы получать последние обновления и эксклюзивный контент о ведущих в отрасли материалах об ИИ. Узнать больше
Компания OpenAI сегодня объявила о развертывании своих мощных возможностей Deep Research для всех пользователей ChatGPT Plus , Team , Education и Enterprise , что значительно расширяет доступ к тому, что многие эксперты считают самым преобразующим ИИ-агентом компании со времен оригинального ChatGPT.
«Deep Research теперь доступен всем пользователям ChatGPT Plus, Team, Edu и Enterprise», — объявила компания в своем официальном аккаунте X. Согласно объявлению, эти пользователи изначально будут получать 10 запросов на глубокие исследования в месяц, в то время как подписчики уровня Pro получат доступ к 120 запросам ежемесячно.
Deep Research , работающий на основе специализированной версии будущей модели o3 от OpenAI, представляет собой значительный сдвиг в том, как ИИ может помогать в решении сложных исследовательских задач. В отличие от традиционных чат-ботов, которые дают немедленные ответы, Deep Research самостоятельно просматривает сотни онлайн-источников, анализирует текст, изображения и PDF-файлы и синтезирует комплексные отчеты, сопоставимые с отчетами профессиональных аналитиков.
Глубокое исследование теперь доступно всем пользователям ChatGPT Plus, Team, Edu и Enterprise.
— OpenAI (@OpenAI) 25 февраля 2025 г.
Время расширенного развертывания OpenAI вряд ли является совпадением. Генеративный ландшафт ИИ кардинально изменился за последние недели, и китайская DeepSeek стала неожиданным нарушителем. Открывая исходный код своей модели DeepSeek-R1 по лицензии MIT , они принципиально бросили вызов закрытой, основанной на подписке бизнес-модели, которая определила развитие западного ИИ.
Что делает это соревнование особенно интересным, так это расходящиеся философии в игре. В то время как OpenAI продолжает скрывать свои самые мощные возможности за все более сложными уровнями подписки , DeepSeek выбрал радикально иной подход: раздать технологию и позволить тысячам приложений расцвести.
Китайская компания Deepseek, занимающаяся разработкой искусственного интеллекта, недавно произвела фурор, анонсировав R1 — модель рассуждений с открытым исходным кодом, которая, по ее словам, достигла производительности, сопоставимой с o1 от OpenAI, при значительно меньших затратах.
Но для тех, кто внимательно следит за развитием ИИ, Deepseek и R1 не вышли из... pic.twitter.com/FUahYP0HHz
Эта стратегия перекликается с более ранними эпохами внедрения технологий, когда открытые платформы в конечном итоге создавали большую ценность, чем закрытые системы. Доминирование Linux в серверной инфраструктуре предлагает убедительную историческую параллель. Для лиц, принимающих решения на предприятиях, возникает вопрос, инвестировать ли в фирменные решения, которые могут предложить немедленные конкурентные преимущества, или использовать открытые альтернативы, которые могли бы способствовать более широким инновациям в их организации.
Недавняя интеграция DeepSeek-R1 в собственный исследовательский инструмент Perplexity — по цене, составляющей лишь малую часть от цены OpenAI — демонстрирует, как быстро этот открытый подход может выдавать конкурирующие продукты. Между тем, Claude 3.7 Sonnet от Anthropic пошла по другому пути, сосредоточившись на прозрачности в своем процессе рассуждений с «видимым расширенным мышлением».
R1 от Deepseek — впечатляющая модель, особенно если учесть, что она может предложить за такую цену.
мы, очевидно, представим гораздо лучшие модели, и это действительно воодушевляет иметь нового конкурента! мы поднимем несколько релизов.
– Сэм Альтман (@sama) 28 января 2025 г.
Результатом является фрагментированный рынок, где каждый крупный игрок теперь предлагает свой уникальный подход к исследованиям на основе ИИ. Для предприятий это означает больший выбор, но также и повышенную сложность в определении того, какая платформа лучше всего соответствует их конкретным потребностям и ценностям.
Когда Сэм Альтман пишет, что Deep Research « вероятно, стоит $1000 в месяц для некоторых пользователей », он раскрывает больше, чем просто ценовую эластичность — он признает необычайное неравенство ценностей, которое существует среди потенциальных пользователей. Это признание затрагивает самую суть продолжающегося стратегического балансирования OpenAI.
Компания сталкивается с фундаментальным противоречием: сохранение эксклюзивности премиум-класса, которая финансирует ее разработку, и одновременное выполнение своей миссии по обеспечению того, чтобы «искусственный интеллект приносил пользу всему человечеству». Сегодняшнее объявление представляет собой осторожный шаг к большей доступности, не подрывая при этом ее модель доходов.
Я думаю, что изначально мы собираемся предложить 10 использований в месяц для chatgpt plus и 2 в месяц на бесплатном уровне, с намерением масштабировать это со временем.
Для некоторых пользователей это, вероятно, стоит 1000 долларов в месяц, но мне не терпится увидеть, что они сделают с этими деньгами! https://t.co/YBICvzodPF
— Сэм Альтман (@sama) 12 февраля 2025 г.
Ограничивая пользователей бесплатного уровня всего двумя запросами в месяц, OpenAI по сути предлагает тизер — достаточный для демонстрации возможностей технологии без каннибализации ее премиум-предложений. Этот подход следует классическому сценарию «freemium», который определил большую часть цифровой экономики, но с необычно жесткими ограничениями, которые отражают значительные вычислительные ресурсы, необходимые для каждого запроса Deep Research.
Выделение 10 ежемесячных запросов для пользователей Plus ($20/месяц) по сравнению со 120 для пользователей Pro ($200/месяц) создает четкое разграничение, которое сохраняет премиальное ценностное предложение. Эта многоуровневая стратегия развертывания предполагает, что OpenAI признает, что демократизация доступа к передовым возможностям ИИ требует большего, чем просто снижение ценовых барьеров — она требует фундаментального переосмысления того, как эти возможности упаковываются и предоставляются.
Заглавная цифра — точность 26,6% на « Последнем экзамене человечества » — рассказывает только часть истории. Этот бенчмарк, разработанный как чрезвычайно сложный даже для экспертов-людей, представляет собой квантовый скачок за пределами предыдущих возможностей ИИ. Для контекста, достижение даже 10% на этом тесте считалось бы выдающимся всего год назад.
Самое важное — это не просто сырая производительность, а сама природа теста, которая требует синтеза информации из разрозненных областей и применения тонких рассуждений, выходящих далеко за рамки сопоставления с образцом. Подход Deep Research сочетает в себе несколько технологических прорывов: многоэтапное планирование, адаптивный поиск информации и, возможно, самое важное, форму вычислительной самокоррекции, которая позволяет распознавать и устранять собственные ограничения в процессе исследования.
Однако эти возможности сопровождаются заметными слепыми пятнами. Система остается уязвимой для того, что можно назвать « консенсусной предвзятостью » — тенденции отдавать предпочтение общепринятым точкам зрения, при этом потенциально игнорируя противоположные перспективы, которые бросают вызов устоявшемуся мышлению. Эта предвзятость может быть особенно проблематичной в областях, где инновации часто возникают из-за оспаривания общепринятых взглядов.
Более того, зависимость системы от существующего веб-контента означает, что она наследует предубеждения и ограничения своего исходного материала. В быстро развивающихся областях или узкоспециализированных областях с ограниченной онлайн-документацией Deep Research может испытывать трудности в предоставлении действительно всеобъемлющего анализа. А без доступа к собственным базам данных или подписным академическим журналам ее понимание определенных специализированных областей может оставаться поверхностным, несмотря на ее сложные возможности рассуждения.
Для руководителей высшего звена Deep Research представляет собой парадокс: инструмент достаточно мощный, чтобы переопределить роли во всей организации, но все еще слишком ограниченный, чтобы его можно было внедрить без тщательного человеческого контроля. Немедленный рост производительности неоспорим — задачи, которые раньше требовали дней аналитического времени, теперь можно выполнить за считанные минуты. Но эта эффективность имеет сложные стратегические последствия.
Организациям, которые эффективно интегрируют Deep Research, скорее всего, придется полностью переосмыслить свои информационные рабочие процессы. Вместо того, чтобы просто заменить младших аналитиков, технология может создать новые гибридные роли, где человеческие знания будут сосредоточены на формулировании вопросов, оценке источников и критической оценке идей, сгенерированных ИИ. Наиболее успешные внедрения, скорее всего, будут рассматривать Deep Research не как замену человеческого суждения, а как усилитель человеческих возможностей.
глубокое исследование для пользователей chatgpt plus!
одна из моих любимых вещей, которые мы когда-либо отправляли.
— Сэм Альтман (@sama) 25 февраля 2025 г.
Структура ценообразования создает свои собственные стратегические соображения. При $200 в месяц для пользователей Pro с 120 запросами, каждый запрос фактически стоит около $1,67 — незначительные расходы по сравнению с затратами на человеческий труд. Тем не менее, ограниченный объем создает искусственный дефицит, который заставляет организации расставлять приоритеты относительно того, какие вопросы действительно заслуживают возможностей Deep Research. Это ограничение может по иронии судьбы привести к более вдумчивому применению технологии, чем поощряла бы чисто неограниченная модель.
Долгосрочные последствия более глубоки. Поскольку исследовательские возможности, которые когда-то были ограничены элитными организациями, становятся широкодоступными, конкурентное преимущество все больше будет зависеть не от доступа к информации, а от того, как организации формулируют вопросы и интегрируют полученные с помощью ИИ идеи в свои процессы принятия решений. Стратегическая ценность смещается от знания к пониманию — от сбора информации к генерации идей.
Для технических лидеров послание ясно: революция в исследованиях ИИ больше не наступает — она уже здесь. Вопрос не в том, адаптироваться ли, а в том, как быстро организации смогут развить процессы, навыки и культурное мышление, необходимые для процветания в ландшафте, где глубокие исследования были фундаментально демократизированы.
Если вы хотите произвести впечатление на своего босса, VB Daily вам поможет. Мы даем вам внутреннюю информацию о том, что компании делают с генеративным ИИ, от изменений в регулировании до практических развертываний, чтобы вы могли поделиться идеями для максимальной окупаемости инвестиций.
Ознакомьтесь с нашей Политикой конфиденциальности
Спасибо за подписку. Ознакомьтесь с другими рассылками VB здесь .
Произошла ошибка.
venturebeat
