炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！

（来源：网易科技）

新智元报道

编辑：编辑部

【新智元导读】刚刚，国内首个免费可用Deep Research上线了！它在多个权威评测中拿下第一，准确率直接碾压开源WebSailor。研究过程中，它能多线迭代追搜，直至逻辑闭环。更绝的是，一键生成炫酷的互动研究报告，视觉效果直接拉满。

就在刚刚，国内第一家免费公开可用的「深度研究」产品来了！

这个产品，可以直接对标海外的Deep Research能力，性能十分强大。

在BrowseComp等评测集上，它们超越了上周刚开源且达到最好结果的WebSailor模型，准确率有明显提升。

左右滑动查看

此时此刻，不得不感叹，AI领域的变化节奏真的是一天一个样。

如今，在秘塔AI搜索首页登录后，即可直接体验「深度研究」了。

传送门：https://metaso.cn/

一手实测，多线迭代搜

接下来，就让我们来实测一番。

对于一个「深度研究」产品，最重要的是什么？答案自然是具体研究的深度和广度了，这也正是让它区别于普通AI聊天机器人和大部分搜索产品的地方。

实测第一弹，我们找来了上面提到的那个评测集中的一个问题——

有一著名诗词人，他参加科举考试时被主考官和小试官赏识且小试官的姓是花的名字。他的出生地a的南部毗邻城市b在当前诞生了一位顶流男明星。该男星在2022年因为一部电视剧大火，并且他生于年末。求问该男星大学毕业院校成立于哪一年

看到这个刁钻的问题，我大概能理解为什么GPT-4o只能得6分了。不仅涉及众多事实性细节，还要将文学史上的常识与娱乐圈的信息通过地理信息来进行关联，普通的搜索产品恐怕无法回答如此无厘头的问题。

BrowseComp评测集的问题难点就在这里，不仅需要模型有寻找复杂信息的能力，还需要有整合推理、交叉验证准确性的能力，从一个已知的事实出发，找到隐藏在多层细节之后的答案。

秘塔AI的表现，很符合他们准确率第一的成绩。

在研究路径图中，它首先挖掘出，这位诗词人就是苏轼，当时科举考试的小试官就是梅尧臣。

苏轼的出生地为四川眉州（今眉山市），经过严格的筛选搜索结果，眉山直接毗邻的乐山市出生的王鹤棣，是唯一匹配者。

最终秘塔AI分析出，该男星的大学毕业院校成立于2004年。

第二个问题是：宇宙中到底有没有比碳更适合构建生命的元素？

在我们一般人的理解中，碳一定是那个被宇宙生命进化树选中的天选元素，不过，在秘塔AI的研究路径图中，很快就展现出了出人意料的答案，而且居然是在外星生命的证据中发现的。

要知道，在一般硅谷大厂的DeepResearch产品中，展示过程大多还囿于线性的界面。

但是秘塔AI的界面，通过左上角的占用token数、信源数，下面滚动进行的任务，和极其具象化的证据链展示网，把这个问题的探索脉络清清楚楚地展现了出来！

这个AI是如何搜索信源、如何整合信息、如何思考问题的，一步步条分缕析，无比清晰，简直就像一个透明大脑，把它的内部运作流程直接展示给你看，太炸裂了。

比如它找到了多份学术资料，发现在极端行星环境（比如高压高温、液态甲烷海洋中）中，硅基或硫基的生化路径相比碳基具备更大的优势。

另外，在天体化学领域，人们还发现可以在星际复杂分子中用硼-氮键来替代碳-碳键，来构建生命基础。

接着，它生成了一份研究报告，分析了硅、硫和硼作为碳的潜在替代元素的可行性。

最终的结论是，目前在宇宙中，碳仍然是最适合构建生命的元素。

这个问题的完整研究报告如下。

第三个问题，我们把视角从宇宙切回地球。

就在这两周，刚刚爆出OpenAI欲收购Windsurf，却被谷歌反手截胡的大瓜，硅谷巨头们在Vibe Coding上，将会怎样布局？

秘塔AI分析出了这次交易的核心细节，以及当前硅谷巨头（包括谷歌、微软、苹果、亚马逊等）的Vibe Coding布局。

而在AI编程对未来两年市场的影响上，它总结出2025年AI投资将达2000亿美元，代码生成/测试工具将占生成式AI投资的35%；IPO的市场分化还会加剧。

而关于AI编程对于未来市场的影响，它分析出程序员的两极分化会更严重，同时也会诞生全新的岗位——氛围编程师。

在学术层面，秘塔AI会有怎样的洞见呢？

最近，CMU大牛、Mamba架构作者Albert Gu陆续发出两大动态，先是发布了一篇总结性博客，提出「Tokens都是胡扯」的观点，然后又发布了一篇预示着Tokenizers正在退场的新论文。

论文地址：https://arxiv.org/pdf/2507.07955v1

让我们来试试，秘塔AI的深度研究功能，是否能为我们梳理出一份足够权威、准确的学术研究综述？

在最终给出的总结报告中，它指出Tokenization的本质问题，就在于人为制造的「信息枷锁」，由此造成了语义断裂、信息损失、效率瓶颈和计算冗余等。

而相比空间状态模型SSM，Transformer存在着众多根本性的短板，为此，Albert Gu在论文中提出了H-Net分层架构，以克服Tokenization与Transformer的双重缺陷。

而在未来，他预言了Tokenizer必然消亡，下一代模型将整合SSM的线性计算优势（长序列低耗）和H-Net的层次化语义抽象能力，而这一方向已在Mamba-2上实现。

可以看出，秘塔AI的深度研究能力，可以在短时间内帮我们快速掌握大量关键信息，对于学术研究极有裨益。

交互式报告，一键生成

秘塔AI「深度研究」另一大特色功能，便是一键生成互动研究报告了。

若说结构清晰、内容详细的专业报告，可以省去繁琐的整理工作，互动研究报告则可以让成果更具吸引力。

如何理解？

接下来，我们让秘塔AI帮忙总结下，马斯克xAI公司成立时间和Grok家族模型发布节点。

若是自主去查找信息，需要一个一个去查询，Grok系模型迭代了4次，不仅耗时又耗力。

秘塔AI「深度研究」，就像一个AI助理一样，直接帮你把所有信息汇总完毕。

这时，让秘塔AI再次生成「互动研究报告」，没几分钟，一个精美的图文版报告就诞生了。

在网页版最右边，是报告的清晰目录，任意点击即可跳转到相应的位置。

而且，在报告标题部分，秘塔AI还基于整体内容做了提炼总结，并呈现了了关键词，甚至，还配上了一个非常有科技范儿的图片。

往下划拉，在xAI公司成立这部分，它主要总结了成立时间和背景，并提供了关键事实分析和配图。

Grok所有模型的迭代路线图，它都以时间线串了起来。

另外，Grok 4两个版本的区分，秘塔AI还做成了一个可视化的对比表格，非常惊艳。

接下来，再来测个热点相关的话题。

面对甘肃天水幼儿园血铅事件，家长应该从中汲取怎样教训？

把问题扔给秘塔AI后，它同样先将其拆解细化为多个问题，比如天水幼儿园铅事件具体原因和污染源、铅中毒对儿童健康主要影响和症状等等。

针对不同的细分问题，秘塔AI在其右上角，单独展现了相关的结论、信息来源，部分问题还提供了视频补充说明，方便查阅细节。

看得出，每个小问题，堪称一个「深度研究」。

整个研究路径图中，后一个问题是前一个问题迭代和分支，如同剥洋葱一样，深挖到最核心的问题。

这次，我们依旧让它生成互动研究报告，如下一个图文版的报告现身了。

从事件背景、铅中毒对儿童终身健康影响、家长主动防护措施，到事后法律维权途径、制度改善，最终报告覆盖了方方面面。

这一过程，仅消耗了3分钟，要比人力调查效率高出好几倍。

同样，在报告开篇，非常直观地呈现了内容主旨、关键词。

可圈可点的是，针对铅中毒对儿童的终身健康影响这部分，秘塔AI分列了对神经系统损伤的短期和长期风险，配上了一张可视化图片、表格。

为了便于理解，在食品添加剂识别、监管变革部分，它还附上了相关的视频，非常惊艳。

不难看出，每一份报告都是独一无二的设计，根据相应内容的组合，融合了丰富的元素。

互动研究报告的风格和布局，能够满足不同场景的个性化需求，让知识分享更具视觉冲击力和交互体验。

秘塔AI，开启智能研究新时代

秘塔AI「深度研究」的上线，标志着AI智能研究迈入全新的纪元。

其意义远超一款工具的发布，而是在知识生产与传播方式上的深刻变革。

作为国内首款免费公开、对标国际顶尖Deep Research能力的工具，它打破了技术壁垒，让所有人都能用上，极大地降低了知识获取的门槛。

无论是学生、研究者，还是职场人士，进入秘塔AI即可轻松解锁前沿的深度研究体验。

在信息爆炸与知识碎片化的今天，获取精准、系统化的洞察越来越复杂。

传统的研究方式往往耗时耗力，且难以应对困难问题的多维度需求。

而秘塔AI「深度研究」以其强大的技术内容，为我们提供了一站式的解决方案，重新定义了知识探索的效率与深度。

它通过同步生成问题路径图、清晰的逻辑追溯，以及可靠的信息源，能让每一步推导可以查证。

尤其是，针对商业决策、学术研究等严谨性要求高的领域来说，这种透明性大大提升了研究的效率。

此外，秘塔AI「深度研究」支持的多样化输出形式，从结构化专业报告到动态的互动网页，提供了更多的灵活性。

从「研究」到「呈现」的全链条支持，可以极大地释放人们的创造力，同时让知识的传播与应用更加高效。

这样的免费羊毛，还不快点来薅？！