Анализ рынка, настройка рекламы и разработка игр — с чем может помочь Deep research от OpenAI
Собрали несколько примеров от пользователей из социальных сетей.
Что такое Deep research
- 3 февраля 2025 года OpenAI выпустила режим Deep research на основе ещё не выпущенной o3 — полной версии модели o3-mini. В нём можно попросить ChatGPT исследовать тему, при необходимости прикрепив файлы и таблицы. Нейросеть сама определяет список источников, изучает их и составляет подробный отчёт.
- Исследование занимает от пяти до 30 минут. После завершения, пользователь получает уведомление. Шаги и источники отображаются на боковой панели.
Кнопки для отображения действий модели и использованных источников. Источник: OpenAI
- В тесте OpenAI «Последний экзамен человечества» точность ответов в режиме Deep research составила 26,6% — результаты других моделей не превышали 13%. Тест состоит из 3000 вопросов по 100 предметам. Лучше всего модель справилась с заданиями по химии, гуманитарным наукам и математике.
Показатели моделей в тесте «Последний экзамен человечества». Источник: OpenAI
- Deep research доступен только владельцам подписки Pro за $200 в месяц, но с ограничениями — до 100 запросов в месяц.
Помощь с настройкой рекламы
- Маккей Ригли, создатель платформы Takeoff для обучения программированию с помощью ИИ, неделю использовал Deep research, чтобы ChatGPT подсказывал ему, как настроить рекламу с помощью Google Ads. Он вышел на доход в $600 в день (58 тысяч рублей по курсу ЦБ на 10 февраля 2025 года).
Я просто задаю ему глупые вопросы снова и снова и показываю скриншоты.
Текст поста: «Кампания, которую он помог мне создать, начала приносить примерно $600 в день менее чем за пять дней при очень маленьком стартовом бюджете». Источник: Mckay Wrigley
Пользователь прикрепил показатели в начале эксперимента. Бюджет составлял «$50 в день». Источник: Mckay Wrigley
Помощь с анализом рынка
- Один из авторов Reddit использовал режим, чтобы изучить тенденции на рынке в своей сфере. Он получил отчёты, «за составление которых заплатил бы подрядчикам как за десятки часов работы».
Они давали мне реальное понимание или подтверждали текущие исследования моей команды.
Пользователь дал модели три запроса. Каждый раз она задавала пять уточняющих вопросов, исследования занимали по семь-девять минут, и в итоге ChatGPT предоставил 20-30 источников для каждого отчёта. Источник: eggsnomellettes
- Гендиректор компании-разработчика сервиса электронных платежей Stripe также попробовал составлять отчёты с помощью Deep research и назвал их «превосходными».
Текст поста: «Deep research написала сегодня уже шесть отчётов. Это действительно превосходно. Поздравляю тех, кто его создал». Источник: Patrick Collison
- Пранав Дешпанде, маркетолог в OpenAI Developers, сам протестировал Deep research для анализа рынка и конкурентов. На это ушло десять минут вместо трёх часов, которые он тратил раньше.
Текст поста: «Использование Deep research было лично для меня похоже на AGI (ИИ общего уровня). Точное и тщательное исследование конкурентов и рынка (с источниками), на которое раньше у меня уходило три часа, занимает десять минут». Источник: pranav
С анализом рынков тоже помогает. Пишет доллар в 2025 будет ниже 30 рублей. Открывать шорт думаю
Забыл добавить: запомните этот пост!
ну 30 это сильно, а вот 40 да ...
Очень интересный прогноз
Шустрый анализ информации - это пока главное и самое достойное, что научились делать нейронки. И это очень много на самом деле.
И это экономит тысячи человеко-часов уже сейчас, а в недалёком будущем действительно уберёт людей-калькуляторов.
Но это всё равно круто. А люди переучатся и доучатся.
Там не в скорости дело, а в объеме. Это главное.
Поиск взаимосвязей, на которые не способен наш мозг.
Раньше отдавали перебору, потом стали ускорять алгоритмами, но их пишет человек. Медицина, химия, геология - там и за 1000 лет не опишешь.
А нейросетка как раз генерирует эти "алгоритмы" сама и меняет по ходу обучения. Т.е. человек не способен вообще никак повторить.
Даже взять развлекаловку с изображениями. Хоть всей планетой возьмемся прописывать коэфы с каким шансом при каком текстовом запросе после пикселя #cc0033 выдавать #cc0000 - мы никогда не закончим. Даже пытаясь автоматизировать.
Т.е. было невозможно - стало возможно. Это не про скорость.
В теории да, на практике пока не находил задач, где бы прямо спасало. Иногда экономит время на поиск в гугле, когда оный тупит или не можешь коротко сформулировать запрос. Немного помогает при редактировании текста (особенно на неродном языке). Как переводчик тоже круче гугла.
Но больше применений пока не нашёл.
Есть большой потенциал, вроде рефакторинга или линтера кода по запросу. Но пока не видел готовых годных реализаций.