AI巨头同日亮剑：谷歌深度研究智能体与OpenAI GPT-5.2巅峰对决

在全球人工智能竞赛急剧白热化的当下，谷歌与OpenAI再度于同一天推出重磅革新，吸引了整个科技界的目光。

昨日深夜，谷歌发布了全新“重新构想”的Gemini Deep Research版本，并首次开放了嵌入式研究智能体API。

几乎同时，OpenAI正式发布了备受期待的GPT-5.2（代号Garlic）。两家公司围绕智能体未来、基础大模型能力边界以及应用生态主导权的角逐，正进入一个空前焦灼的阶段。

这次，谷歌与OpenAI的攻防几乎精确同步，让外界得以清晰观察这两大全球AI巨头的战略对抗节奏。

1 谷歌推出全新 Deep Research Agent

谷歌推出的全新Gemini Deep Research工具是一款智能体，能够整合海量信息并处理提示中丰富的上下文数据。谷歌表示，客户使用Deep Research Agent执行的任务范围广泛，从尽职调查到药物毒性安全研究均有涉及。

谷歌还透露，很快会将这款全新的Deep Research Agent集成到其各项服务中，包括谷歌搜索、谷歌财经、Gemini应用以及广受欢迎的NotebookLM。这标志着谷歌正朝着一个未来世界迈出关键一步：未来，人类可能不再直接使用谷歌搜索，而是由人工智能代理代劳。

具体而言，Deep Research Agent具备哪些能力？

在此次更新中，谷歌不仅对Deep Research Agent进行了架构级再设计，还以Gemini 3 Pro为核心基础模型，构建了一个更稳定、准确、可追溯的深度研究系统。新版Deep Research Agent的能力提升可总结为三个关键方向：模型升级、推理稳定性突破以及交互能力全面增强。

先说模型升级。新版Deep Research Agent完全基于Gemini 3 Pro构建，而Gemini 3 Pro被谷歌视为迄今最“真实”、最可靠、最适合长链推理的旗舰模型版本。谷歌强调，这不仅是性能提升，更是研究型智能体“可依赖性”的质变。

为了构建这样的智能体，谷歌采用了多步强化学习（Reinforcement Learning over Multi-step Trajectories）的训练策略。其目标非常明确：在长达数十步、数百步的复杂研究任务中，AI必须保持推理路径稳定，减少幻觉出现概率，并确保连续决策过程中的一致性。

传统大型语言模型在长链推理中的主要痛点之一，是每一步推理都会引入累计误差——只要一个幻觉节点，就可能导致整个输出结果失效。谷歌强调，新版Deep Research在此取得重大突破：

• 多轮强化学习优化决策序列
• 在冗长任务链中显著减少逻辑偏移
• 更稳定的检索—分析—推理—引用闭环

这使得Deep Research能够承担以往大型语言模型无法胜任的任务，例如完整执行跨天级研究、政策评估、多源数据整合和全流程尽职调查。

新版Deep Research Agent的另一个核心优势是其超大规模上下文处理能力。在Gemini 3 Pro支持下，它可以一次性处理远超以往的资料量，包括学术论文、官方报告、长篇网页内容等。更重要的是，谷歌为Deep Research加入了一项“研究级标准能力”：它会为每一条观点、每一个结论自动附上可追溯引用来源。 引用不仅是网址链接，而是结构化指向原文关键片段或段落，以确保输出可信、观点可查，用户可进行二次调查与审核。这使Deep Research不是“生成内容”，而是“提供带证据链的研究结果”。

此次版本更新不仅是功能升级，而是谷歌围绕“研究型智能体生态”的一次系统性发布。除了Deep Research Agent更新，谷歌还推出两项关键新能力：开源全新网络研究智能体基准：DeepSearchQA和全新交互API。

在当前行业中，网络研究型智能体缺乏统一衡量标准。为了证明谷歌取得的进展，谷歌创建了一个新基准测试。这个新基准测试名为DeepSearchQA，旨在测试智能体在复杂多步骤信息检索任务中的表现。谷歌已将该基准测试开源。

DeepSearchQA开源地址：https://www.kaggle.com/benchmarks/google/dsqa/leaderboard

DeepSearchQA包含17个领域共900道精心设计的“因果链”任务，每一步都依赖于先前分析。与传统基于事实的测试不同，DeepSearchQA衡量全面性，要求智能体生成详尽答案集。这既评估研究精确度，也评估检索召回率。

对比pass@8和pass@1结果，可以证明让智能体探索多条并行路径进行答案验证的价值。这些结果是在DeepSearchQA的200个提示子集上计算得出的。

全新的Deep Research Agent在“人类最后的考试”（HLE）和DeepSearchQA测试中取得了最先进成果，并在BrowseComp测试中表现最佳。它经过优化，能够以更低成本生成高质量研究报告。

基准测试结果令人惊叹。它基于Gemini 3 Pro核心构建，但采用智能体工作流程来实现最先进性能。统计数据（来自图表）：

• 人类的最后考试（HLE）：46.4%（显著优于GPT-5 Pro的38.9%）
• DeepSearchQA：66.1%（略胜GPT-5 Pro的65.2%）
• BrowseComp：59.2%（与GPT-5 Pro不分伯仲）

Gemini Deep Research在完整“人类最后的考试”（HLE）数据集上取得46.4%领先成绩，在DeepSearchQA上取得66.1%成绩，在BrowseComp上取得高达59.2%成绩。

Interactions API是谷歌此次发布最具战略意义的能力之一。它让开发者首次能够以结构化方式控制智能体行为状态、推理步骤、长链任务执行、中间状态存储等，这意味着以前开发者只能“向模型发问”，而现在开发者可以“调教智能体如何执行任务”。

2 网友怎么看？

在谷歌发布新版Deep Research Agent后，技术社区反应同样值得关注。

在Hacker News与Reddit相关讨论帖中，不少开发者表达了对谷歌此次“真正把Agent做成工程化产品”的肯定。

在Reddit上，有用户对技术进步发出感叹：

“太不可思议了！我觉得我们还没有充分意识到这一点。过去三年我们取得的进步简直令人难以置信！”

有网友指出，谷歌首次在产品层面强调“可验证引用”“端到端多步推理稳定性”，是AI Agent领域一次明显进步。

一位自称长期从事合规审阅工作的用户评论说：“如果Deep Research真能做到逐步链路可审计，那将是第一次有大厂真正把Agent从玩具推向生产环境。”

但也有观点保持谨慎，一位Reddit用户批评道：“谷歌用自家基准证明自己最强，这种事情已经发生过太多次了。我们需要的是在真实网页、真实任务中的第三方测试。”

谷歌这款新Agent发布时间与OpenAI GPT-5.2同一天，自然难逃网友们将两者相比较的命运。

在Reddit上，有用户提问这款Deep Research Agent与同一时间OpenAI发布的GPT-5.2相比如何，另一位用户回答称用途不同，但GPT-5.2更好。

为更清晰对比，还有网友找出OpenAI研究员Sebastien Bubeck在领英上的发文，文中Sebastien Bubeck称GPT-5.2在人类最后考试（HLE）中得分45%，而谷歌新Agent得分46.4%，略高于GPT-5.2。

同时，围绕谷歌与OpenAI竞争，也有人发出调侃式评论：“谷歌刚发Deep Research，OpenAI就把Garlic（GPT-5.2）端上来了，这俩公司现在简直是在互相抢发新闻。”

还有人总结这场激烈竞赛节奏：“这已经不是模型大战，而是发布会大战。”

3 模型能力“贴身肉搏”越演越烈

基础模型能力始终是两家公司最具标志性竞争焦点。

2025年初，谷歌推出的Gemini 3 Pro以其更“真实”、更可依赖、幻觉率更低特性，试图在长链推理和专业任务场景中重建优势。Gemini 3 Pro强调检索增强、多模态处理能力以及大规模上下文处理能力，在科研、法律、金融等高可信场景中表现亮眼。

而OpenAI在最新发布的GPT-5.2（Garlic）中，强化了逻辑一致性、工具调用稳定性以及智能体行为自主性，进一步提升跨任务泛化能力。内部基准测试显示，GPT-5.2在推理、代码生成、多轮工具调度方面对Gemini保持领先，尤其是在OpenAI自研“连续推理一致性Benchmark”中表现突出。

两者之间能力差距被行业评论认为“已进入毫厘级别”——差距常只体现于特定任务场景，而不再是全局性优势。

如果说基础模型决定了智能体能否思考，那么智能体平台能力则决定了智能体能否执行任务。

谷歌此次对Gemini Deep Research Agent进行全面重构，可视为其正式加入智能体战争关键节点。

新版Deep Research Agent具有三大亮点：

• 基于Gemini 3 Pro全面重写推理链路
• 采用多步强化学习训练，保持长链任务中决策一致性，显著降低幻觉概率
• 提供全链路引用，可追溯每个观点证据来源

这使其从“报告生成工具”升级为“可执行完整研究任务专业智能体”。更关键是，谷歌推出结构化控制智能体行为的Interactions API，开发者可以对智能体每一阶段、每一子任务进行高度可控调度与状态管理。这意味着Deep Research Agent不再是谷歌产品线内部能力，而是一个通用智能体执行引擎。

OpenAI智能体体系则更侧重通用性和自由度。

Agent API、OpenAI Swarm、BrowserAgent、CodeAgent已形成完整智能体开发框架，加上GPT-5.2推理一致性提升，让其在自动化任务执行、工具调用复杂度和环境适应性上保持优势。

两者竞争的是：未来软件开发将以智能体为核心，而谁掌握了智能体框架标准，谁就掌握了新一代计算范式主导权。

参考链接：

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/