編者按：本文來自微信公眾號(hào) “量子位”（ID:QbitAI），作者：克雷西，創(chuàng)業(yè)邦經(jīng)授權(quán)轉(zhuǎn)載。

終于，免費(fèi)用戶也能用上OpenAI的DeepResearch了，量子位也進(jìn)行了新鮮實(shí)測(cè)！

OpenAI深夜官宣，基于o4-mini某個(gè)版本的輕量版DeepResearch正式上線。

按照官方說法，輕量版的回答會(huì)更短，但智能水平將幾乎無異于滿血版本。

與此同時(shí)，輕量版的上線也意味著付費(fèi)用戶可以有更多的使用次數(shù)。

具體來說，付費(fèi)用戶的滿血版用量不變，但每月可以獲得額外的輕量版使用機(jī)會(huì)，在滿血額度用完后會(huì)自動(dòng)切換。

那么，兩個(gè)版本表現(xiàn)究竟有何異同，來看量子位實(shí)測(cè)~

實(shí)測(cè)輕量版DeepResearch

我們一共找了10個(gè)話題讓ChatGPT進(jìn)行深度研究，首先一并展示下用時(shí)、資料數(shù)量等能夠直接統(tǒng)計(jì)的數(shù)據(jù)。

整體來看，輕量版的用時(shí)和生成內(nèi)容字?jǐn)?shù)都明顯要比滿血版更少，至于參考資料數(shù)量則沒有明顯規(guī)律。

接下來，我們選擇其中三個(gè)，仔細(xì)對(duì)比一下滿血版和輕量版形成的報(bào)告質(zhì)量：

印歐語系語言的演變歷史
2024年AI穿戴市場(chǎng)發(fā)展情況
推理大模型中的關(guān)鍵技術(shù)

無論是哪個(gè)版本，在我們提出研究話題時(shí)，都會(huì)詢問研究的具體內(nèi)容、側(cè)重點(diǎn)等信息。

話題1：印歐語系語言的演變歷史

以第一個(gè)話題“印歐語系語言的演變歷史”為例，滿血版和輕量版在問題細(xì)化方面詢問的思路基本一致（下圖中上方為滿血版，下方為輕量版）：

我們回復(fù)“整體梳理，從古至今”。

然后模型便會(huì)開始規(guī)劃?rùn)z索，關(guān)于這個(gè)話題，兩個(gè)版本引用的資料都是主要來自維基百科和大英百科全書，而滿血版還多引用了部分中文資源（僅限于當(dāng)前話題，其他話題中輕量版也會(huì)引用非英語資源）。

（下圖中左側(cè)為滿血版，右側(cè)為輕量版）

通過二級(jí)標(biāo)題來看最終報(bào)告的結(jié)構(gòu)，滿血版采用了總-分-總的結(jié)構(gòu)，并將印歐語系下屬各個(gè)語族分別作為一個(gè)部分進(jìn)行了詳細(xì)介紹。

而輕量版的結(jié)構(gòu)更加注重整體，每一部分都是分別從不同角度在講述演變的過程。（下圖中左側(cè)為滿血版，右側(cè)為輕量版）

滿血版的報(bào)告當(dāng)中，每一個(gè)下屬語族的介紹都非常詳細(xì)。

輕量版則更側(cè)重于展示脈絡(luò)，將演變的大致過程做了簡(jiǎn)要介紹，詳細(xì)程度則比不上滿血版本。

話題2：2024年AI穿戴市場(chǎng)發(fā)展情況

前面一個(gè)問題主要是讓模型在時(shí)間維度上進(jìn)行信息梳理，接下來的這個(gè)話題則圍繞空間維度進(jìn)行展開。

問題細(xì)化的過程是這樣，兩個(gè)版本區(qū)別不大（圖中還是上面滿血下面輕量版），我們則是直接這些內(nèi)容全都要。

中間過程就不多贅述，兩個(gè)版本從結(jié)構(gòu)上依然是大致相似（左滿血右輕量）。

市場(chǎng)規(guī)模的部分，滿血版分為了全球、國內(nèi)和增長(zhǎng)趨勢(shì)三個(gè)部分進(jìn)行介紹，包含了大量具體數(shù)據(jù)和部分原因簡(jiǎn)析，之后的增長(zhǎng)趨勢(shì)還根據(jù)產(chǎn)品的具體類型進(jìn)行了細(xì)分。

并且還根據(jù)IDC的數(shù)據(jù)繪制出了表格：

相比之下，輕量版也覆蓋了其中的一部分要點(diǎn)并同樣是全球-國內(nèi)-趨勢(shì)這樣的結(jié)構(gòu)，但每部分都只用一兩句話帶過。

至于表格，則是沒有的。

不過到了廠商部分，又變成了輕量版（下圖右側(cè)）的展示更加條理清晰。

后面的內(nèi)容就不一一拆解了，整體來看，無論是從時(shí)間還是空間維度上梳理，滿血版都比輕量版多了大量的細(xì)節(jié)（下圖為滿血版）。

話題3：推理大模型中的關(guān)鍵技術(shù)

第三個(gè)話題關(guān)于推理大模型中的關(guān)鍵技術(shù)，這次兩個(gè)版本問出的細(xì)化問題稍有不同。

我們回復(fù)重點(diǎn)關(guān)注模型架構(gòu)、訓(xùn)練算法和推理優(yōu)化這三部分的信息。

對(duì)于模型架構(gòu)的部分，輕量版（下圖右側(cè)）做出了表格整理，而滿血版分成了三個(gè)段進(jìn)行文字?jǐn)⑹觥?/p>

算法部分，輕量版提到了SFT、RLHF、對(duì)比學(xué)習(xí)與自監(jiān)督等內(nèi)容，而滿血版則分成了指令微調(diào)與多任務(wù)訓(xùn)練、鏈?zhǔn)剿季S訓(xùn)練與過程監(jiān)督、反事實(shí)訓(xùn)練與自我監(jiān)督機(jī)制這三個(gè)部分。

最后關(guān)于推理優(yōu)化，輕量版提及了量化、蒸餾、剪枝、KV緩存優(yōu)化等技術(shù)，滿血版在此之外還提到了自適應(yīng)推理、并行解碼等內(nèi)容。

總得來看，如果比較詳細(xì)程度，滿血版是當(dāng)之無愧的獲勝者。

但如果只是用來幫助我們確定大概的研究思路和可能涉獵的內(nèi)容，輕量版，也足以解決一部分需求。

甚至對(duì)于不喜歡長(zhǎng)篇大論的用戶來說，輕量版看上去會(huì)更加簡(jiǎn)潔。

關(guān)鍵是，免費(fèi)用戶也能用啊。

參考鏈接：

https://x.com/OpenAI/status/1915505961500070245

本文為專欄作者授權(quán)創(chuàng)業(yè)邦發(fā)表，版權(quán)歸原作者所有。文章系作者個(gè)人觀點(diǎn)，不代表創(chuàng)業(yè)邦立場(chǎng)，轉(zhuǎn)載請(qǐng)聯(lián)系原作者。如有任何疑問，請(qǐng)聯(lián)系editor@cyzone.cn。