谷歌最新 Gemini Agent 爆擊GPT-5.2？人類最后考試得分見分曉！網(wǎng)友：Altman又該發(fā)“紅色警報”了

作者｜冬梅

在全球人工智能領(lǐng)域競爭快速升溫的當(dāng)下，谷歌與 OpenAI 再次在同一天拋出重磅更新，令整個行業(yè)的注意力高度集中。

昨天夜里，谷歌發(fā)布了全新“重新構(gòu)想”的 Gemini Deep Research 版本，并首次開放了嵌入式研究智能體 API。

而幾乎同時，OpenAI 正式發(fā)布了備受期待的 GPT-5.2（代號 Garlic）。兩家公司圍繞智能體（Agent）未來、基礎(chǔ)大模型能力邊界以及應(yīng)用生態(tài)主導(dǎo)權(quán)的競爭，正進入一個前所未有的焦灼階段。

這一次，谷歌和 OpenAI 的攻防幾乎精確地踩在同一時間窗口，讓外界得以清晰觀察這兩家全球 AI 巨頭之間的戰(zhàn)略對抗節(jié)奏。

1 谷歌推出全新 Deep Research Agent

谷歌推出的全新 Gemini Deep Research 工具是一款智能 Agent，能夠整合海量信息并處理提示信息中大量的上下文數(shù)據(jù)。谷歌表示，客戶使用 Deep Research Agent 執(zhí)行的任務(wù)范圍廣泛，從盡職調(diào)查到藥物毒性安全研究均有涉及。

谷歌還表示，很快會將這款全新的 Deep Research Agent 集成到其各項服務(wù)中，包括谷歌搜索、谷歌財經(jīng)、Gemini 應(yīng)用以及廣受歡迎的 NotebookLM。這標(biāo)志著谷歌正朝著一個未來世界邁出又一步：未來，人類將不再使用谷歌搜索任何內(nèi)容，而是由人工智能代理代勞。

具體而言，Deep Research Agent 有哪些能力？

在此次更新中，Google 不僅對 Deep Research Agent 進行了架構(gòu)級的再設(shè)計，還以 Gemini 3 Pro 為核心基礎(chǔ)模型，構(gòu)建了一個更加穩(wěn)定、準(zhǔn)確、可追溯的深度研究系統(tǒng)。新版 Deep Research Agent 的能力提升可總結(jié)為三個關(guān)鍵方向：模型升級、推理穩(wěn)定性突破以及交互能力全面增強。

先說模型升級。新版 Deep Research Agent 完全基于 Gemini 3 Pro 構(gòu)建，而 Gemini 3 Pro 被谷歌視為其迄今最“真實”、最可靠、最適合長鏈推理的旗艦?zāi)Ｐ桶姹尽９雀鑿娬{(diào)，這不僅是性能提升，更是研究型智能體“可依賴性”的質(zhì)變。

為了構(gòu)建這樣的智能體，谷歌采用了多步強化學(xué)習(xí)（Reinforcement Learning over Multi-step Trajectories）的訓(xùn)練策略。其目標(biāo)非常明確：在長達數(shù)十步、數(shù)百步的復(fù)雜研究任務(wù)中，AI 必須保持推理路徑穩(wěn)定，減少出現(xiàn)幻覺的概率，并確保連續(xù)決策過程中的一致性。

傳統(tǒng) LLM 在長鏈推理中的主要痛點之一，就是每一步推理都會引入累計誤差——只要一個幻覺性的節(jié)點，就可能導(dǎo)致整個輸出結(jié)果失效。谷歌強調(diào)，新版 Deep Research 在這一點上取得重大突破：

• 多輪強化學(xué)習(xí)優(yōu)化決策序列

• 在冗長任務(wù)鏈中顯著減少邏輯偏移

• 更穩(wěn)定的檢索—分析—推理—引用閉環(huán)

這使得 Deep Research 可以承擔(dān)以往 LLM 無法勝任的任務(wù)，例如完整執(zhí)行跨天級研究、政策評估、多源數(shù)據(jù)整合和全流程盡職調(diào)查。

新版 Deep Research Agent 的另一個核心優(yōu)勢是其超大規(guī)模上下文處理能力。在 Gemini 3 Pro 的支持下，它可以一次性處理遠(yuǎn)超以往的資料量，包括學(xué)術(shù)論文、官方報告、長篇網(wǎng)頁內(nèi)容等，更重要的是，谷歌為 Deep Research 加入了一項“研究級標(biāo)準(zhǔn)能力”：它會為每一條觀點、每一個結(jié)論自動附上可追溯引用來源。引用不僅是網(wǎng)址鏈接，而是結(jié)構(gòu)化地指向原文中的關(guān)鍵片段或段落，以確保輸出可信、觀點可查，用戶可進行二次調(diào)查與審核 。這使 Deep Research 不是“生成內(nèi)容”，而是“提供帶證據(jù)鏈的研究結(jié)果”。

此次版本更新不僅是功能升級，而是谷歌圍繞“研究型智能體生態(tài)”的一次系統(tǒng)性發(fā)布。除了 Deep Research Agent 更新，谷歌還推出兩項關(guān)鍵新能力：開源全新網(wǎng)絡(luò)研究智能體基準(zhǔn)：DeepSearchQA 和全新交互 API。

在當(dāng)前行業(yè)中，網(wǎng)絡(luò)研究型智能體缺乏統(tǒng)一衡量標(biāo)準(zhǔn)。為了證明谷歌取得的進展，谷歌又創(chuàng)建了一個新的基準(zhǔn)測試。這個新基準(zhǔn)測試名為 DeepSearchQA，旨在測試智能體在復(fù)雜的多步驟信息檢索任務(wù)中的表現(xiàn)。谷歌已將該基準(zhǔn)測試開源。

DeepSearchQA 開源地址：

https://www.kaggle.com/benchmarks/google/dsqa/leaderboard

DeepSearchQA 包含 17 個領(lǐng)域共 900 道精心設(shè)計的“因果鏈”任務(wù)，每一步都依賴于先前的分析。與傳統(tǒng)的基于事實的測試不同，DeepSearchQA 衡量的是全面性，要求智能體生成詳盡的答案集。這既評估了研究的精確度，也評估了檢索召回率。

對比 pass@8 和 pass@1 的結(jié)果，可以證明讓智能體探索多條并行路徑進行答案驗證的價值。這些結(jié)果是在 DeepSearchQA 的 200 個提示子集上計算得出的。

全新的 Deep Research Agent 在“人類最后的考試”（HLE）和 DeepSearchQA 測試中取得了最先進的成果，并在 BrowseComp 測試中表現(xiàn)最佳。它經(jīng)過優(yōu)化，能夠以更低的成本生成高質(zhì)量的研究報告。

基準(zhǔn)測試結(jié)果令人驚嘆。它基于 Gemini 3 Pro 核心構(gòu)建，但采用智能體工作流程來實現(xiàn)最先進的性能。統(tǒng)計數(shù)據(jù)（來自圖表）：

• 人類的最后考試（HLE）： 46.4%（顯著優(yōu)于 GPT-5 Pro 的 38.9%）

• DeepSearchQA： 66.1%（略勝 GPT-5 Pro 的 65.2%）

• BrowseComp： 59.2%（與 GPT-5 Pro 不分伯仲）

Gemini Deep Research 在完整的“人類最后的考試”（HLE）數(shù)據(jù)集上取得了 46.4% 的領(lǐng)先成績，在 DeepSearchQA 上取得了 66.1% 的成績，在 BrowseComp 上取得了高達 59.2% 的成績。

Interactions API 是谷歌此次發(fā)布的最具戰(zhàn)略意義的能力之一。它讓開發(fā)者首次能夠以結(jié)構(gòu)化方式控制智能體的行為狀態(tài)、推理步驟、長鏈任務(wù)執(zhí)行、中間狀態(tài)存儲等，這意味著以前開發(fā)者只能“向模型發(fā)問”，而現(xiàn)在開發(fā)者可以“調(diào)教智能體如何執(zhí)行任務(wù)”。

2 網(wǎng)友怎么看？

在谷歌發(fā)布新版 Deep Research Agent 后，技術(shù)社區(qū)的反應(yīng)同樣值得關(guān)注。

在 Hacker News 與 Reddit 相關(guān)討論帖中，不少開發(fā)者表達了對谷歌此次“真正把 Agent 做成工程化產(chǎn)品”的肯定。

在 Reddit 上，有用戶對技術(shù)的進步發(fā)出感嘆：

“太不可思議了！我覺得我們還沒有充分意識到這一點。過去三年我們?nèi)〉玫倪M步簡直令人難以置信！”

有網(wǎng)友指出，谷歌首次在產(chǎn)品層面強調(diào)“可驗證引用”“端到端多步推理穩(wěn)定性”，是 AI Agent 領(lǐng)域一次明顯的進步。

一位自稱長期從事合規(guī)審閱工作的用戶評論說：“如果 Deep Research 真的能做到逐步鏈路可審計，那將是第一次有大廠真正把 Agent 從玩具推向生產(chǎn)環(huán)境。”

但也有觀點保持謹(jǐn)慎，一位 Reddit 用戶批評道：“谷歌用自家基準(zhǔn)證明自己最強，這種事情已經(jīng)發(fā)生過太多次了。我們需要的是在真實網(wǎng)頁、真實任務(wù)中的第三方測試。”

谷歌這款新 Agent 的發(fā)布時間與 OpenAI GPT-5.2 是同一天，自然難逃網(wǎng)友們將兩者相比較的命運。

在 Reddit 上，有用戶提問這款 Deep Research Agent 與同一時間 OpenAI 發(fā)布的 GPT-5.2 相比如何，另一位用戶回答稱用途不同，但 GPT-5.2 更好。

為了將兩者進行更清晰的對比，還有網(wǎng)友找出了 OpenAI 研究員 Sebastien Bubeck

在領(lǐng)英上的發(fā)文，在這篇發(fā)文中，Sebastien Bubeck 稱 GPT-5.2 在人類的最后考試（HLE）中的得分是 45%，而谷歌這款新的 Agent 的得分是 46.4%，略高于 GPT-5.2。

同時，圍繞谷歌與 OpenAI 的競爭，也有人發(fā)出調(diào)侃式評論：“谷歌剛發(fā) Deep Research，OpenAI 就把 Garlic（GPT-5.2）端上來了，這倆公司現(xiàn)在簡直是在互相搶發(fā)新聞。”

還有人總結(jié)這場激烈競賽的節(jié)奏：“這已經(jīng)不是模型大戰(zhàn)，而是發(fā)布會大戰(zhàn)。”

3 模型能力的“貼身肉搏”越演愈烈

基礎(chǔ)模型能力始終是兩家公司最具標(biāo)志性的競爭焦點。

2025 年初，谷歌推出的 Gemini 3 Pro 以其更“真實”、更可依賴、幻覺率更低的特性，試圖在長鏈推理和專業(yè)任務(wù)場景中重建優(yōu)勢。Gemini 3 Pro 強調(diào)檢索增強、多模態(tài)處理能力以及大規(guī)模上下文處理能力，在科研、法律、金融等高可信場景中表現(xiàn)亮眼。

而 OpenAI 在最新發(fā)布的 GPT-5.2（Garlic）中，強化了邏輯一致性、工具調(diào)用穩(wěn)定性以及智能體行為的自主性，進一步提升了跨任務(wù)泛化能力。內(nèi)部基準(zhǔn)測試顯示，GPT-5.2 在推理、代碼生成、多輪工具調(diào)度方面對 Gemini 保持領(lǐng)先，尤其是在 OpenAI 自研的“連續(xù)推理一致性 Benchmark”中表現(xiàn)突出。

兩者之間的能力差距被行業(yè)評論認(rèn)為“已進入毫厘級別”——差距常常只體現(xiàn)在特定任務(wù)場景，而不再是全局性的優(yōu)勢。

如果說基礎(chǔ)模型決定了智能體能否思考，那么智能體平臺能力則決定了智能體能否執(zhí)行任務(wù)。

谷歌此次對 Gemini Deep Research Agent 進行全面重構(gòu)，可視為其正式加入智能體戰(zhàn)爭的關(guān)鍵節(jié)點。

新版 Deep Research Agent 具有三大亮點：

• 基于 Gemini 3 Pro 全面重寫推理鏈路

• 采用多步強化學(xué)習(xí)訓(xùn)練，保持長鏈任務(wù)中決策一致性，顯著降低幻覺概率

• 提供全鏈路引用，可追溯每個觀點的證據(jù)來源

這使其從“報告生成工具”升級為“可執(zhí)行完整研究任務(wù)的專業(yè)智能體”。更關(guān)鍵的是，谷歌推出了結(jié)構(gòu)化控制智能體行為的 Interactions API，開發(fā)者可以對智能體的每一階段、每一子任務(wù)進行高度可控的調(diào)度與狀態(tài)管理。這意味著 Deep Research Agent 不再是谷歌產(chǎn)品線內(nèi)部的能力，而是一個通用的智能體執(zhí)行引擎。

OpenAI 的智能體體系則更側(cè)重通用性和自由度。

Agent API、OpenAI Swarm、BrowserAgent、CodeAgent 已形成一個完整的智能體開發(fā)框架，加上 GPT-5.2 的推理一致性提升，讓其在自動化任務(wù)執(zhí)行、工具調(diào)用復(fù)雜度和環(huán)境適應(yīng)性上保持優(yōu)勢。

兩者競爭的是：未來軟件開發(fā)將以智能體為核心，而誰掌握了智能體框架標(biāo)準(zhǔn)，誰就掌握了新一代計算范式的主導(dǎo)權(quán)。

https://ai.google.dev/gemini-api/docs/deep-research?hl=zh-cn

https://techcrunch.com/2025/12/11/google-launched-its-deepest-ai-research-agent-yet-on-the-same-day-openai-dropped-gpt-5-2/

聲明：本文為 InfoQ 翻譯整理，不代表平臺觀點，未經(jīng)許可禁止轉(zhuǎn)載。

InfoQ 老友！請留步！極客邦 1 號客服上線工作啦！

后續(xù)我將通過微信視頻號，以視頻的形式持續(xù)更新技術(shù)話題、未來發(fā)展趨勢、創(chuàng)業(yè)經(jīng)驗、商業(yè)踩坑教訓(xùn)等精彩內(nèi)容，和大家一同成長，開啟知識交流之旅