打開深搜索到達以挑戰困惑和chatgpt搜索
如果您身處科技界,您可能已聽說過來自Sentient基金會的新開源框架Open Deep Search(ODS)所引發的熱議。ODS正掀起波瀾,作為Perplexity和ChatGPT Search等專有AI搜尋引擎的強大替代方案,它專注於賦能大型語言模型(LLMs),透過先進的推理代理,利用網路搜尋和其他工具有效回答您的查詢。
AI搜尋格局
當今的AI搜尋工具,如Perplexity和ChatGPT Search,令人印象深刻,它們結合了LLMs的知識和推理能力以及即時網路搜尋,提供最新的答案。然而,這些系統往往被鎖在專有大門後,這使得自訂化和專業應用成為挑戰。
Sentient共同創辦人Himanshu Tyagi在接受VentureBeat採訪時表示:「AI搜尋的創新大多數在閉門造車中進行。開源的努力在可用性和性能上歷來落後。ODS旨在彌合這一差距,證明開源系統不僅能與封閉系統競爭,甚至在品質、速度和靈活性上可能超越對方。」
Open Deep Search(ODS)架構
ODS不僅僅是一個工具;它是一個即插即用的系統,可與DeepSeek-R1等開源模型以及GPT-4o和Claude等閉源模型整合。其核心包含兩個主要組件:
開放搜尋工具
此組件接收您的查詢,並在網路上搜索相關資訊,作為LLM的背景資料。它也很聰明——會以多種方式重新表述您的查詢,以確保廣泛且多樣化的搜尋。在從搜尋引擎獲取結果後,它提取片段和連結頁面,然後使用分塊和重新排序來鎖定最相關的內容。它特別擅長處理Wikipedia、ArXiv和PubMed等特定來源,並可在面對矛盾資訊時被提示優先考慮可靠來源。

開放推理代理
此代理接收您的查詢,結合基礎LLM和各種工具(包括開放搜尋工具)來生成最終答案。Sentient在ODS中提供了兩種不同的代理架構:
ODS-v1
此版本結合了ReAct代理框架和Chain-of-Thought(CoT)推理。ReAct代理在推理步驟(「思考」)、行動(如使用搜尋工具)和觀察(行動結果)之間交替進行。ODS-v1透過此過程迭代以得出答案。如果ReAct代理遇到問題,它會回退到CoT自我一致性,採樣多個CoT回應並選擇最常見的答案。
ODS-v2
此版本採用Chain-of-Code(CoC)和基於Hugging Face SmolAgents庫的CodeAct代理。CoC利用LLM生成和執行程式碼片段來解決問題,而CodeAct則使用程式碼生成來規劃行動。ODS-v2能管理多個工具和代理,非常適合處理需要複雜規劃和多次搜尋迭代的任務。
ODS架構來源:arXiv
Tyagi解釋說:「雖然像ChatGPT或Grok這樣的工具透過對話代理提供『深度研究』,但ODS的運作層次不同——更像是Perplexity AI背後的基礎架構——提供支持智能檢索的底層架構,而不僅僅是摘要。」
性能與實際成果
Sentient將ODS與開源DeepSeek-R1模型結合,與Perplexity AI和OpenAI的GPT-4o Search Preview等閉源競爭對手,以及GPT-4o和Llama-3.1-70B等獨立LLMs進行對比測試。他們使用了FRAMES和SimpleQA基準,經過調整以評估啟用搜尋的AI系統的準確性。
結果令人印象深刻。ODS-v1和ODS-v2與DeepSeek-R1搭配時,超越了Perplexity的旗艦產品。ODS-v2與DeepSeek-R1甚至在複雜的FRAMES基準上超越了GPT-4o Search Preview,並在SimpleQA上表現接近。

一個有趣的見解是該框架的效率。兩版本ODS的推理代理學會了明智地使用搜尋工具,根據初始結果的品質判斷是否需要進一步搜尋。例如,ODS-v2在較簡單的SimpleQA任務上使用較少的網路搜尋,而在FRAMES的多跳查詢中則使用更多,優化了資源使用。
對企業的影響
對於希望利用強大的AI推理能力和即時資訊的企業來說,ODS是一個改變遊戲規則的工具。它提供了一個透明、可自訂且高效能的替代方案,取代專有AI搜尋系統。能夠插入首選的開源LLMs和工具,意味著組織可以量身打造其AI堆疊,避免被鎖定在單一供應商中。
Tyagi指出:「ODS的設計考慮了模組化。它根據提示中提供的描述動態選擇使用哪些工具。這意味著只要工具描述良好,它就能流暢地與不熟悉的工具互動,而無需事先接觸。」
然而,他也警告說,如果工具集過於雜亂,ODS的性能可能會下降,「因此謹慎的設計至關重要。」
Sentient已在GitHub上公開了ODS程式碼,邀請社群探索和貢獻。
Tyagi總結說:「最初,Perplexity和ChatGPT的優勢在於其先進技術,但有了ODS,我們已拉平了這一技術競爭場。我們現在的目標是透過『開放輸入和開放輸出』策略,超越它們的能力,讓使用者能無縫整合自訂代理到Sentient Chat中。」
相關文章
阿里巴巴的「ZeroSearch」AI 透過自主學習將訓練成本降低 88
阿里巴巴的 ZeroSearch:改變人工智能訓練效率的遊戲規則阿里巴巴集團的研究人員開創了一種突破性的方法,有可能徹底改變人工智能系統學習信息檢索的方式,完全繞過成本高昂的商業搜索引擎 API。他們的 ZeroSearch 技術可讓大型語言模型在訓練階段透過模擬環境培養複雜的搜尋能力,而非傳統的搜尋引擎互動。"研究人員在最新發表的 arXiv 論文中解釋說:「傳統的強化學習需要大量的搜尋要求,累
Claude 4 揭幕:下一代AI模型提升編碼與代理性能
Anthropic 推出了其 Claude 4 模型系列,為開發者打造尖端 AI 助理和編碼解決方案標誌著重大進展。該系列包括 Claude Opus 4,這是一款頂級性能模型,以及 Claude Sonnet 4,一款適用於多樣應用的多功能模型。Anthropic 對其目標毫不掩飾,強調這些模型旨在「全面提升客戶的 AI 策略」。Opus 4 被定位為「編碼、研究、寫作和科學探索」的領導者,而
Anthropic 推出 Claude AI 的應用程式整合與進階研究功能
Anthropic 於本週四推出全新的方式,將應用程式與工具連結至其人工智慧助理 Claude,以及升級的深度研究功能,讓 Claude 可以探索網路、企業帳號和其他來源。這項新的整合功能名為「Integrations」,而增強的深度研究選項名為「Advanced Research」,目前正以測試版的方式推出給 Anthropic Claude Max、Team 和 Enterprise 等級的訂
評論 (1)
0/200
PeterNelson
2025-07-22 09:25:03
Whoa, Open Deep Search sounds like a game-changer! Love that it’s open-source—finally, a way to stick it to the big tech gatekeepers. Can it really keep up with Perplexity’s speed, though? 🤔 Excited to see where this goes!
0
如果您身處科技界,您可能已聽說過來自Sentient基金會的新開源框架Open Deep Search(ODS)所引發的熱議。ODS正掀起波瀾,作為Perplexity和ChatGPT Search等專有AI搜尋引擎的強大替代方案,它專注於賦能大型語言模型(LLMs),透過先進的推理代理,利用網路搜尋和其他工具有效回答您的查詢。
AI搜尋格局
當今的AI搜尋工具,如Perplexity和ChatGPT Search,令人印象深刻,它們結合了LLMs的知識和推理能力以及即時網路搜尋,提供最新的答案。然而,這些系統往往被鎖在專有大門後,這使得自訂化和專業應用成為挑戰。
Sentient共同創辦人Himanshu Tyagi在接受VentureBeat採訪時表示:「AI搜尋的創新大多數在閉門造車中進行。開源的努力在可用性和性能上歷來落後。ODS旨在彌合這一差距,證明開源系統不僅能與封閉系統競爭,甚至在品質、速度和靈活性上可能超越對方。」
Open Deep Search(ODS)架構
ODS不僅僅是一個工具;它是一個即插即用的系統,可與DeepSeek-R1等開源模型以及GPT-4o和Claude等閉源模型整合。其核心包含兩個主要組件:
開放搜尋工具
此組件接收您的查詢,並在網路上搜索相關資訊,作為LLM的背景資料。它也很聰明——會以多種方式重新表述您的查詢,以確保廣泛且多樣化的搜尋。在從搜尋引擎獲取結果後,它提取片段和連結頁面,然後使用分塊和重新排序來鎖定最相關的內容。它特別擅長處理Wikipedia、ArXiv和PubMed等特定來源,並可在面對矛盾資訊時被提示優先考慮可靠來源。
開放推理代理
此代理接收您的查詢,結合基礎LLM和各種工具(包括開放搜尋工具)來生成最終答案。Sentient在ODS中提供了兩種不同的代理架構:
ODS-v1
此版本結合了ReAct代理框架和Chain-of-Thought(CoT)推理。ReAct代理在推理步驟(「思考」)、行動(如使用搜尋工具)和觀察(行動結果)之間交替進行。ODS-v1透過此過程迭代以得出答案。如果ReAct代理遇到問題,它會回退到CoT自我一致性,採樣多個CoT回應並選擇最常見的答案。
ODS-v2
此版本採用Chain-of-Code(CoC)和基於Hugging Face SmolAgents庫的CodeAct代理。CoC利用LLM生成和執行程式碼片段來解決問題,而CodeAct則使用程式碼生成來規劃行動。ODS-v2能管理多個工具和代理,非常適合處理需要複雜規劃和多次搜尋迭代的任務。
ODS架構來源:arXiv
Tyagi解釋說:「雖然像ChatGPT或Grok這樣的工具透過對話代理提供『深度研究』,但ODS的運作層次不同——更像是Perplexity AI背後的基礎架構——提供支持智能檢索的底層架構,而不僅僅是摘要。」
性能與實際成果
Sentient將ODS與開源DeepSeek-R1模型結合,與Perplexity AI和OpenAI的GPT-4o Search Preview等閉源競爭對手,以及GPT-4o和Llama-3.1-70B等獨立LLMs進行對比測試。他們使用了FRAMES和SimpleQA基準,經過調整以評估啟用搜尋的AI系統的準確性。
結果令人印象深刻。ODS-v1和ODS-v2與DeepSeek-R1搭配時,超越了Perplexity的旗艦產品。ODS-v2與DeepSeek-R1甚至在複雜的FRAMES基準上超越了GPT-4o Search Preview,並在SimpleQA上表現接近。
一個有趣的見解是該框架的效率。兩版本ODS的推理代理學會了明智地使用搜尋工具,根據初始結果的品質判斷是否需要進一步搜尋。例如,ODS-v2在較簡單的SimpleQA任務上使用較少的網路搜尋,而在FRAMES的多跳查詢中則使用更多,優化了資源使用。
對企業的影響
對於希望利用強大的AI推理能力和即時資訊的企業來說,ODS是一個改變遊戲規則的工具。它提供了一個透明、可自訂且高效能的替代方案,取代專有AI搜尋系統。能夠插入首選的開源LLMs和工具,意味著組織可以量身打造其AI堆疊,避免被鎖定在單一供應商中。
Tyagi指出:「ODS的設計考慮了模組化。它根據提示中提供的描述動態選擇使用哪些工具。這意味著只要工具描述良好,它就能流暢地與不熟悉的工具互動,而無需事先接觸。」
然而,他也警告說,如果工具集過於雜亂,ODS的性能可能會下降,「因此謹慎的設計至關重要。」
Sentient已在GitHub上公開了ODS程式碼,邀請社群探索和貢獻。
Tyagi總結說:「最初,Perplexity和ChatGPT的優勢在於其先進技術,但有了ODS,我們已拉平了這一技術競爭場。我們現在的目標是透過『開放輸入和開放輸出』策略,超越它們的能力,讓使用者能無縫整合自訂代理到Sentient Chat中。」




Whoa, Open Deep Search sounds like a game-changer! Love that it’s open-source—finally, a way to stick it to the big tech gatekeepers. Can it really keep up with Perplexity’s speed, though? 🤔 Excited to see where this goes!












