去年 12 月，谷歌推出了 Gemini Deep Research。
什么是 Deep Research？它像一个 AI 助理一样，输入一个问题，它立马能搜索、规划、推理、最后形成一个报告。
一
今年，它做了大升级。升级后能力凸显在三方面：
1. 它能帮你把一个大问题拆成几个小问题，一个一个解决；
2. 能从很多不同的地方找到信息，分析几百个来源；
3. 特别快，几分钟就能做出一个详细的报告，从计划到总结，全都有。而且，它还能处理超过 45 种语言。
官方说的是，目前免费试用，我用免费账号折腾半天不行，后来用一个 Gemini Advanced 账号，一下子就能用了。
体验地址是：https://gemini.google.com
打开 Gemini 的网页，登录后，你可以在左上角切换不同的模型，现在有五种。
2.0 Flash 适合快速回答问题，处理简单任务；2.0 Flash Thinking 能分析复杂问题；Personalization 会根据你的习惯调整回答；2.0 PRO（Experimental） 是还在测试的高级版本，适合专业人士。
最后说说，它的第五个能力：Deep Research。
话不多说，直接在 Gemini Deep Research 里输入了一个问题：帮我写一个关于 Gemini Deep Research 的深度研究报告。
它很快给我拟定了一个方案。这个方案列出 7 条主要内容。每一条都很清晰，具体是这样的：
第一条，先整理 Gemini Deep Research 的官方资料。
第二条，分析这个工具可以用在哪些场景，还有它的主要特点是什么。
第三条，去找一些用户对这个工具的评价，看看大家用起来觉得哪里好、哪里不好。
第四条，收集一些专业人士的测评和分析，看看专家们是怎么评价它的。
第五条，它会找一些和 Gemini Deep Research 类似的工具，做一个对比，看看它在竞争中有什么优势或者不足；第六条，研究一些实际使用过的案例，看看这个工具在解决实际问题时表现如何。
最后一条，也就是第七条，它会深入探讨这个工具的技术原理，评估数据是否可靠、准确；同时，它还会把工具放在更大的学术背景中，看看在整个领域里的水平如何，未来发展潜力怎么样。
方案列完后，它问我：你觉得这个方案行不行？如果觉得没问题，可以直接开始研究了。
从整个研究结构来看，它确实比我个人想得更全面。
至少它不仅提供了背景资料，还给出优劣势分析、专业人士的测评、工具对比，以及最后在更大背景下的表现评估；所以，在我看来，这更像一份简单而完整的工具测评报告。
二
我确认方案后，它便开始了工作。
一开始，它从 7 个网站中帮我查找资料，这些网站包括 ZDNet、YouTube.com、SearchEngineJournal、Google、播客，以及 WorkspaceUpdates.Google 等。
这些网站可能会提供有关 Google Gemini 的基础信息、使用教程、新闻报道或者用户支持等内容。
找资料过程中，我发现它把核心功能、关键特点、技术亮点都整理得清清楚楚。
接着，它开始了下一步：
从更多地方收集信息。它访问了 Reddit、How-To Geek、SectionSchool、Google 的官方页面，以及 SearchEngineJournal。
我觉得，这些网站选择，它主要为了获取几类不同信息。
首先是用户的讨论和评价。它想看看大家实际用起来感觉怎么样，我还随机点开了几个 Reddit 页面，发现它不仅抓取了博主写的文章内容，还提取了下面的评论。
这些评论往往是用户的真实感受，特别有参考价值。
第二类是教程和学习资料。像 How-To Geek 和 SectionSchool 这样的网站，会提供详细的使用指南或者教学资源。
第三类是官方信息；最后一类是专业分析和评价。SearchEngineJournal 这个网站专注于 SEO 和数字营销，上面有不少专业人士对工具的深入分析和评测。
所以，我认为，这一步，它想全面收集用户反馈、专业解读、使用教程和官方的公告；这样的信息组合，确实能让人从不同角度了解 Google Gemini。
然后，它总结了三个重点：
它说：我看了用户对产品的评价，发现体验各不相同。大家普遍赞赏，工具能帮他们节省时间，快速了解主题或者写个初步报告。
不过，也有人担心质量问题，工具在判断信息来源的可靠性上可能不够好，有时候，生成的信息太泛泛，不够深入。还有人提到，工具会突然中断，导致研究失败。
在比较方面，它说，有些用户把 GEMINI Deep Research 和 Perplexity、DeepSeek 做了对比。
一些人认为 Perplexity 在讲故事和挖细节上做得更好，而 DeepSeek 的新模型在研究质量和速度上表现最佳；甚至，ChatGPT 在某些情况下能提供更高质量的研究结果；这些比较显示，Deep Research 在某些方面可能还有提升的空间。
通过这一步详细拆解，我认为细节对我帮助很大。毕竟，别人对 Deep Research 的看法，是他们的本地知识，这些有助于做商业分析用。
三
第三步研究中，它开始寻找更专业的知识。
看了看它推荐的 9 个网站，发现网站和第二步里的不一样。它们更关注怎么提高工作效率的工具、人工智能研究，还有战略和市场分析这些内容。
看起来这些网站挺权威，里面有技术支持文档、新闻博客、社交讨论和专业教程，各种信息都有。
我觉得，这些网站是对之前研究的一个补充，之前分析了好坏，现在要找更专业、更深入的信息。
所以，它给我的结论是：Deep Research 功能很强，但在准确性上还得提高；还有，Gemini 2.0 的深度思考模型是个重要的升级。
接下来第四步、第五步和第六步，步骤都差不多。它找的是些专业网站。它主要关注三个方面：
-
专家怎么说，怎么评价；
-
看看实际用起来怎么样，有没有案例；
-
再深挖一下技术原理和数据来源。
这个过程，像从不同角度，找问题的答案和评价。
它给出的结论也挺清楚。专家们觉得工具挺有潜力，特别是在升级到 Gemini 2.0 Flash Thinking Experimental 模型后，规划、搜索、推理和报告的能力都提高了不少。
专家们还说，它免费对所有人开放，这在和 ChatGPT 这些竞争对手比起来，是很大优势。不过，他们也指出了一些不足，比如：信息来源的可靠性、准确性，还有避免生成不符合事实的内容，这些地方还要改进。
但是，我个人有点遗憾的是，在实际案例这部分，它并没有给出具体的应用例子，只是提了几个问题。
比如：处理需要专业知识或最新信息的复杂主题时，表现怎么样？生成的报告准不准确、深入不深入、有没有用？
这些问题，它都没有回答。
还有，技术原理和数据来源这部分，也没有给出清晰的对比。我点开它给的 9 个网站，发现确实有一些技术对比的内容，但它没有很好地展示这些信息，感觉有点匆忙。
所以，我理解的是：后面步骤不够细致，有些草率。
可能因为能力还有局限，特别是专家分析、实际案例部分，它应该做个表格，把几者的对比都展示出来，这样可以清楚地展示 Gemini 2.0 深度研究和其他深度研究能力上的对比，这样更有说服力，也更容易理解。
第七步是：学术信息收集。
我注意到，它对学术研究特别感兴趣，它搜了 27 个学术网站，想找些和深度研究有关的文献，还有 AI 在学术界的应用信息。
但是呢，最后得出的结论太匆忙了。简单说了两句：开发团队训练的模型能很好地做计划，还设计了个任务管理器；这些是大家一看就知道，我本来希望能看到更深入的研究结果。
比如说：
怎么让模型更准确？有哪些具体的改进方法？需要哪些技术能力？甚至怎么优化架构等等。
还有，做完学术信息收集后，它突然又来了一句：之前用工具时出了语法错误，得修正一下，这样才能拿到最新信息。
这让我觉得，它在用搜索工具获取信息时，可能还有遗漏，不够完善；换句话说，它的表现还不稳定，甚至因为技术上的小问题，影响了最后的结果质量。
四
最后，我下载了它生成的报告，一看整整 8700 字。
不过，把不太重要的内容去掉，最核心的部分是关于用户体验和反馈。这部分它确实做得不错，不仅做了深入研究，还详细列出了优点和缺点，甚至还用表格进行了对比，非常直观。
另一部分让我比较欣赏的是，它把自家工具和其他人工智能研究工具做了详细的对比分析；这部分内容挺实用，能让人清楚地看到它的优势和不足。
至于技术分析和学术研究的部分，写得有点太理论化了，像在堆砌术语，实际参考价值不大，读起来像 「八股文」 一样枯燥。
值得一提的是，8700 字的报告里，一共引用了 28 个链接，而链接加起来差不多占了 1000 字的篇幅；如果除去这 1000 字，再加上报告开头和结尾那些常规性的内容，仔细算算，真正有价值的信息还能剩下多少呢？
所以，要我评价的话，主要有三点：
1. 和国内的产品如 Kimi、Qwen、豆包、夸克相比，它绝对是领先的；它能生成这么长的报告，还能调动多种能力，从用户体验上来说，国内很多产品目前还做不到这一点。它的综合表现确实更胜一筹。
2. 记忆能力和处理长文本的能力还是很强的。相比之下，国内一些产品在生成报告时，后半部分会显得比较随意，有些草率。
当然，Gemini 的深度搜索也存在类似的问题，但没有国内产品那么严重，整体表现依然更稳定。
3. 和 Manus 相比，它在工具调用方面还有不足。Manus 能生成 PDF，可视化能力也很强。Gemini 深度搜索在这方面就显得逊色，它最多提供一个类似 Word 文档的文件，里面带一个非常简单的表格。
在工具调用和功能扩展上，Gemini 深度搜索显然还有提升的空间。
值得一提的是，Gemini 本周的密集更新，无疑让它的地位在生态系统里变得更重要的，高频的优化和功能扩展，也让它在竞争中占据了更有利的位置。
今年是 Agent 元年，AI 在 TOC 领域的这波机会，它自然不能错过；这种加速，无疑也把压力传给了其他竞争对手。
本文来自微信公众号：王智远，作者：王智远
