Google открыла публичный предварительный доступ к двум новым автономным исследовательским агентам на базе Gemini 3.1 Pro: Deep Research и Deep Research Max.
Оба инструмента доступны в платных тарифах Gemini API и рассчитаны на разработчиков, которым нужно автоматизировать крупные исследовательские задачи. Один вызов API запускает полный цикл работы, а агенты теперь могут использовать как открытый веб, так и закрытые потоки данных для подготовки анализа с указанием источников.
Стандартный Deep Research пришёл на смену версии предварительного доступа, которую Google представила в декабре. Компания заявляет, что новый вариант даёт более высокое качество при меньшей задержке и более низкой цене. Он рассчитан на сценарии, где важна скорость, например на чат-интерфейсы с быстрым ответом.
Deep Research Max, напротив, делает ставку на глубину анализа, а не на скорость. По данным Google, агент использует больше вычислений на этапе вывода, чтобы рассуждать, искать данные и дорабатывать итоговый отчёт. Компания называет подходящим сценарием фоновую асинхронную задачу, например ночной cron-запуск, который к утру готовит полноценный отчёт для команды аналитиков.
По внутренним тестам Google, Deep Research Max заметно лучше справляется с поиском данных и задачами на рассуждение. Компания утверждает, что агент использует больше источников, чем предыдущая версия, и лучше улавливает детали, которые раньше модель могла пропускать.
При этом сравнение с OpenAI GPT-5.4 и Anthropic Opus 4.6 нельзя считать полностью прямым. В материале отмечается, что GPT-5.4 хорошо показывает себя в автономном веб-поиске, но не настраивался специально под глубокие исследования. Для таких задач OpenAI использует отдельный DR-агент, который после февральского обновления перешёл на GPT-5.2, а не на GPT-5.4.
По данным OpenAI, модель GPT-5.4 Pro, которую Google не включила в сравнение, набирает до 89,3% в бенчмарке агентного поиска BrowseComp, тогда как GPT-5.4 показывает 82,7%.
Anthropic также приводит другие результаты для Opus 4.6. Компания сообщает о 84% в BrowseComp, тогда как в таблице Google указаны более низкие значения. По словам Anthropic, этот результат был получен с отключённым режимом рассуждения, так как в таком режиме модель показала себя лучше, чем при высокой интенсивности рассуждений, использованной Google в API-бенчмарке.
В материале говорится, что расхождения, вероятно, связаны с методикой тестирования: модели могли проверять либо через «чистый» API, либо в сочетании с внутренними инструментами компаний. Поэтому к опубликованным сравнениям стоит относиться с осторожностью.
Одно из главных обновлений — поддержка Model Context Protocol (MCP). Это позволяет подключать Deep Research к собственным источникам данных и специализированным лентам, например к финансовым и рыночным сервисам. Google заявляет, что за счёт поддержки любых определений инструментов агент становится уже не просто средством веб-поиска, а полноценным автономным агентом, который может обращаться к профильным базам данных.
Ещё одно изменение в Gemini API — генерация графиков и инфографики прямо внутри отчётов. Они могут рендериться в HTML или в формате Nano Banana.
Google также добавила:
- совместное планирование, при котором пользователь может просмотреть и изменить план поиска до запуска;
- мультимодальный ввод из PDF, CSV, изображений, аудио и видео;
- потоковую передачу промежуточных шагов в реальном времени;
- возможность полностью отключить доступ в веб и ограничить агента только внутренними данными.
Google заявляет, что новые агенты работают на той же инфраструктуре, что и исследовательские функции в потребительских продуктах компании, включая Gemini app, NotebookLM, Google Search и Google Finance.
Разработчики уже могут создавать собственные поисковые сценарии через Interactions API. В ближайшее время оба агента также станут доступны стартапам и корпоративным клиентам через Google Cloud.
Источник: The Decoder.
