📲Digital Trends•最新收集於 12h
Gemini Live 新增語音驅動的 Deep Research
💡可用語音啟動的背景研究，可能讓 Gemini 更適合處理長時間的 AI 調查。
⚡ 30-Second TL;DR
有什麼變化
使用者可透過 Gemini Live 的語音互動啟動 Deep Research 報告。
為什麼重要
這項更新讓長時間研究流程更具對話性，也減少使用者持續盯著螢幕的需求。對 AI 從業者而言，它可能改善資訊蒐集流程，但報告品質與來源驗證仍然重要。
下一步行動
請在 Gemini Live 中執行一項具代表性的研究任務，接著檢查引用來源，並與現有研究流程的結果進行比較。
誰應關注：Researchers & Academics
關鍵要點
- •使用者可透過 Gemini Live 的語音互動啟動 Deep Research 報告。
- •研究報告可在背景持續處理。
- •報告完成後，使用者能以對話方式討論研究結果。
🧠 深度解析
背景與延伸：來自公開資料，非原文內容。引用 22 個來源。
🔑 增強重點摘要
- •Gemini Deep Research由Google DeepMind開發，能夠自主瀏覽網路約5-10分鐘，生成帶有引用的綜合研究報告。
- •此功能於2024年12月作為Gemini Advanced的一部分推出，被視為首批廣泛成功的消費者導向AI代理產品之一。
- •Deep Research利用Gemini極長的上下文視窗（1-2百萬個tokens），在多輪對話中保持所有瀏覽內容的上下文，允許用戶提出後續問題而無需重新進行網路搜尋。
- •該系統能夠整合來自網路頁面、文件及其他媒體等多種來源的資訊，並利用Gemini的多模態能力將其綜合呈現。
- •用戶可以對Gemini Deep Research所制定的研究計畫進行調整，從而控制研究的重點領域。
- •Deep Research還能自主搜尋並瀏覽用戶的Gmail、雲端硬碟和聊天記錄（若用戶選擇啟用），並且用戶可以上傳自己的文件進行分析。
- •Gemini Live與Deep Research的整合，允許用戶透過語音啟動研究任務，並讓其在背景非同步執行，即使切換應用程式或鎖定手機也能繼續進行。
📊 競品分析▸ Show
競爭者分析
| 功能/產品 | Google Gemini Deep Research | OpenAI Deep Research / ChatGPT Voice | Perplexity AI Deep Research | Claude Advanced Research | Microsoft Copilot Voice |
|---|---|---|---|---|---|
| 核心能力 | 語音啟動、背景執行、對話式討論、自主網路瀏覽、生成帶引用報告、整合Google Workspace、多模態 | 對話式AI、腦力激盪、研究、快速問答、多模態、自然語音對話 | 每次回答均提供引用來源、搜尋即時網路、多源資訊整合、內聯引用 | 多模態、良好視覺理解、良好跨模態推理、代理系統 | 整合Office應用、自由流暢語音對話 |
| 發布時間 | 2024年12月 (Deep Research) / 2024年8月 (Gemini Live) | 2025年2月 (Deep Research Agent) | 2024年後 (Deep Research) | 2025年後 (Advanced Research) | 2025年3月前 (Copilot Voice) |
| 定價 | Gemini Advanced訂閱 (Google AI Pro每月20美元) | ChatGPT免費版；進階功能每月20美元 | 未明確提及，但以引用來源為核心 | 未明確提及 | 整合Microsoft生態系統，部分功能免費 |
| 基準測試 | 未提供特定基準測試數據，但被譽為最實用的AI代理之一 | 在事實研究任務中，與Parallel Ultra並列97%準確度 (代理模型) | 在事實研究任務中，Sonar版本得分87.9% | 在事實研究任務中，Claude Code與Parallel Ultra並列97%準確度 (代理模型) | 未提供特定基準測試數據 |
| 主要優勢 | 深度整合Google生態系統、長上下文視窗、可編輯研究計畫、非同步執行、多模態推理 | 強大的對話能力、廣泛的知識範圍、多模態輸入 | 強調資訊來源可追溯性與準確性 | 擅長處理複雜圖表與技術插圖、跨模態推理 | 無縫整合Microsoft Office應用程式 |
🛠️ 技術深入
- Gemini Deep Research由Google DeepMind開發，採用代理式規劃、透明的用戶體驗設計（包含可編輯的研究計畫）及非同步協調機制。
- 該功能最初基於Gemini 1.5 Pro模型，並逐步發展至Gemini 2.0 Flash，目前已整合Gemini 3.1 Pro。
- Deep Research利用Gemini模型極長的上下文視窗，可達1-2百萬個tokens，以在多輪對話中維持所有瀏覽內容的上下文。
- 當接近上下文限制時，系統會回退到檢索增強生成（RAG）方法。
- Gemini模型採用統一的Transformer架構處理所有輸入，實現跨模態的深度整合與推理，支援文字、圖像、音訊和視訊等多模態數據。
- Deep Research能夠自主瀏覽網路5-10分鐘，針對Gemini 3.1 Ultra版本甚至可達30分鐘，以收集和綜合資訊。
- Deep Research Max版本透過模型上下文協定（Model Context Protocol, MCP）安全地連接到用戶的私人數據。
- Gemini Live的語音引擎經過優化，提供更一致、富有情感表達且逼真的語音互動，支援即時打斷和追問。
- Deep Research功能可透過Interactions API存取，提供兩個版本：
deep-research-preview-04-2026（注重速度與效率）和deep-research-max-preview-04-2026（注重最大程度的全面性）。
🔮 前景展望AI analysis grounded in cited sources
AI研究將變得高度個人化且整合至日常工作流程。
Gemini Deep Research與Google Workspace（Gmail、雲端硬碟、聊天）的深度整合，以及其學習用戶工作流程的能力，將使AI研究從獨立工具轉變為無縫的個人化助理。
語音互動將成為複雜AI任務的主要介面。
Gemini Live透過語音指令啟動背景深度研究的能力，並支援即時打斷和追問，預示著語音將取代傳統的文字提示，成為與AI進行複雜、多步驟任務互動的首選方式。
AI代理將加速跨領域的知識發現與科學研究。
像Gemini Deep Research這樣的代理系統能夠自主規劃、執行多步驟研究、綜合多源資訊並生成帶引用的報告，這將極大地縮短研究週期，並在科學、商業分析等領域推動新的發現。
⏳ 時間線
2023-12
Google發布Gemini 1.0模型家族，Bard後端切換至Gemini Pro。
2024-02
Bard正式更名為Gemini，並推出Gemini Advanced和智慧型手機應用程式。
2024-08
Gemini Live開始向Gemini Advanced訂閱者推出，實現自由流暢的對話。
2024-12
Google DeepMind推出Gemini Deep Research，作為Gemini Advanced的一部分。
2025-11
Gemini Deep Research實現與Google Workspace（Gmail、雲端硬碟、聊天）的深度整合。
2026-08
Gemini Live整合Deep Research，允許語音啟動背景研究。
📎 來源 (22)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Digital Trends ↗
每週 AI 簡報
每週一封，可隨時退訂。