OpenAI 恰逢生成 AI 領(lǐng)域格局劇變之際。中國的 DeepSeek 近期通過(guò)開(kāi)源其 DeepSeek-R1 模型(基于 MIT 許可)，顛覆了西方 AI 開(kāi)發(fā)依賴(lài)封閉訂閱的商業(yè)模式。這種開(kāi)放策略與 OpenAI 的分層收費形成對比。DeepSeek 的做法旨在讓技術(shù)自由傳播，促進(jìn)廣泛應用，而 OpenAI 則通過(guò)訂閱體系維持高端功能排他性。困惑已將 DeepSeek-R1集成至其研究工具，遠低于OpenAI，凸顯開(kāi)源模式的對抗。另外，Anthropic的Claude 3.7 Sonnet則通過(guò)透明推理路徑(“可視擴展思維”)尋求差異化。這三者的競爭形式出現了媒介的市場(chǎng)格局，企業(yè)需權衡生態(tài)系統的即時(shí)優(yōu)勢與開(kāi)源平臺的創(chuàng )新潛力。
OpenAI的分層訪(fǎng)問(wèn)策略反映了其在盈利與任務(wù)之間的平衡。Sam Altman曾表示，深度研究對部分用戶(hù)價(jià)值每月1000美元，暗示對高價(jià)值用戶(hù)群體的定位。Plus用戶(hù)每月20美元獲10次查詢(xún)，Pro用戶(hù)每月200美元獲120次查詢(xún)，這種設計既保留了溢價(jià)價(jià)值，又通過(guò)“預約式”訪(fǎng)問(wèn)(如免費用戶(hù)每月2次)次)用戶(hù)更加廣泛。這種“免費增值”模式在數字經(jīng)濟中常見(jiàn)，但嚴格的查詢(xún)限制體現了對計算成本的考量，意在避免資源獎勵，同時(shí)推動(dòng)用戶(hù)升級訂閱。
深度研究在“人類(lèi)的最后考試”基準測試中取得了 26.6% 的準確率，遠超 DeepSeek-R1 的 9.4% 等模型，顯示其在多領(lǐng)域推理和信息整合上的突破。其技術(shù)亮點(diǎn)包括多步規劃和公共衛生檢索，能在研究中自我調整。然而，該系統依賴(lài)于公開(kāi) Web在快速變化或文獻稀缺的領(lǐng)域，其分析背景設定，無(wú)法訪(fǎng)問(wèn)母數據庫，限制了專(zhuān)業(yè)應用的全面性。
對于企業(yè)領(lǐng)導者來(lái)說(shuō)，深度研究既是機遇也是挑戰。效率可將數小時(shí)的研究壓縮至數十，但需要人工監督以確?？煽啃?。組織可能需要設計新角色，將人類(lèi)專(zhuān)業(yè)知識聚焦于問(wèn)題定義和結果驗證，而不是簡(jiǎn)單替代初級分析師。每成本約1.67美元(專(zhuān)業(yè)級)，遠低于人力成本其其，但接下來(lái)企業(yè)優(yōu)先級分配使用場(chǎng)景。驅動(dòng)的研究范式。
