Hugging Face 推出开源替代方案 Open Deep Research，挑战 OpenAI 的 Deep Research

在 OpenAI 发布其多步骤研究工具 Deep Research 后不到一天，Hugging Face 迅速推出了名为 Open Deep Research 的开源项目。这一举动不仅展示了 Hugging Face 在 AI 领域的快速响应能力，也标志着开源社区对闭源技术的一次重要反击。

• 官方说明：https://huggingface.co/blog/open-deep-research
• GitHub：https://github.com/huggingface/smolagents/tree/main/examples/open_deep_research
• Demo：https://huggingface.co/spaces/m-ric/open_Deep-Research

Open Deep Research 的核心特点

1. 开源框架与专有模型结合：Open Deep Research 是一个开源的智能体框架，旨在复现 OpenAI 的 Deep Research 功能。尽管该框架本身是开源的，但它依赖于 OpenAI 的专有模型 o1，并通过其付费 API 实现核心功能。
2. 快速适配与功能实现：Hugging Face 的团队在不到 24 小时内完成了对 o1 模型的适配，使其能够使用基于文本的浏览器和“文本检查器”工具包。这使得 Open Deep Research 能够自主完成网络导航、文件操作和数据计算等任务。
3. 性能表现：在 GAIA 验证集上的测试中，Open Deep Research 得分为 55.15%，而 OpenAI 的 Deep Research 则达到了 67.36%。虽然存在差距，但 Hugging Face 表示，通过优化智能体设计（例如使用编码智能体而非基于 JSON 的标准智能体），可以显著提升性能。

性能差异的原因分析

Hugging Face 推测，OpenAI 的 Deep Research 在性能上的优势可能源于其 Operator 智能体 的强大能力。Operator 智能体能够模拟类似人类的网络交互行为，从而更高效地完成复杂的多步骤任务。

相比之下，Open Deep Research 当前依赖于基于文本的浏览器和工具包，这种限制导致其在网络交互和复杂任务处理方面稍显不足。为了解决这一问题，Hugging Face 计划开发自己的网页浏览器智能体，以进一步缩小与 OpenAI 的差距。

开源的意义与未来展望

Hugging Face 推出 Open Deep Research 的意义不仅在于提供一个开源替代方案，还在于推动 AI 技术的透明化和普及化。通过开源框架，开发者可以自由探索、改进和扩展智能体的功能，从而加速 AI 技术的发展。

然而，当前 Open Deep Research 对 OpenAI 的 o1 模型的依赖性仍然是一个潜在的瓶颈。为了完全摆脱对专有模型的依赖，Hugging Face 和其他开源社区需要继续努力开发性能更强的开源模型，例如 DeepSeek 的 R1 或其他新兴模型。