DeepMind/谷歌发布Gemini深度研究与交互API

DeepMind推出了Gemini深度研究,这是一个以开发者为中心的代理,基于Gemini 3 Pro和新的交互API构建。- 代理角色:自主研究规划者和综合者。- 能力:规划、搜索、阅读、识别信息缺口、重新搜索。- 集成:结合私有上传与网络信息。- 模型基础:基于Gemini 3 Pro,经过多步强化学习训练。- 可验证性:输出包括详细的引用/来源。- 基准测试:DeepSearchQA 66.1%,人类最后考试 46.4%,BrowseComp 59.2%。- 交互API:统一的模型和代理端点,支持提示控制的输出和JSON/表格导出。- 可用性:开发者可以通过GoogleAIStudio和Gemini API密钥访问。- 相关:Disco/GenTabs使用Gemini 3进行生成性标签到应用的体验和更丰富的浏览器工作流程。- 用户体验说明:“创建图像”选项改变Gemini应用中的默认工具调用行为。
Key insights
Gemini深度研究作为自主开发者级研究代理的推出
DeepMind宣布Gemini深度研究作为一个面向研究的代理,能够自主规划搜索策略、阅读结果、识别信息缺口并进行针对性重新搜索。该代理将上传的私有文档与公共网络数据相结合,并在Gemini 3 Pro的基础上使用多步强化技术进行训练。输出设计包括详细的引用以支持可验证性。
交互API提供模型和代理的单一接口
DeepMind推出了交互API,作为一个统一的开发者端点,用于调用模型和代理。该API支持提示定义的报告结构,JSON和表格输出以便于后续处理,以及工具集成。深度研究是基于此API构建的第一个代理,并通过GoogleAIStudio和Gemini API密钥提供。
基准测试显示在多步研究任务中的最佳性能
DeepMind发布了Gemini深度研究的基准测试结果:DeepSearchQA 66.1%,人类最后考试 46.4%,和BrowseComp 59.2%。这些数据集针对因果链研究任务、全面信息检索和定位难以找到的事实,深度研究在发布的测试中被报告为最佳表现。
Gemini生态系统扩展到浏览器工具和图像工具语义
相关的开发工具包括集成浏览器的Disco/GenTabs,它利用Gemini 3的能力将打开的标签集合转变为生成的交互式应用。此外,Gemini应用的用户界面语义,如“创建图像”切换,改变模型的默认工具调用行为,影响图像生成工具是否默认被调用。