导读：
OpenAI 说 Deep Research 其实是一个模型，它基于 o3 训练，但不是 o3 加一堆工作流。
Anthropic 对 Agent 的定义是：Agent 必须在内部执行目标任务，而不是依赖外部的工作流。
在强化学习时代，给模型一个封闭的环境和奖励，模型就可以学会这个环境的生存法则。
强化学习可以让大模型+工作流真正变为内化的 Agent，完成端到端的任务。
如果模型公司已经可以完成端到端任务，是不是模型本身就是应用？
那应用公司的空间是否依然存在？这个问题值得思考。
本文部分摘录并翻译自 Alexander Doria，一家正在做 RAG Agent 的联创。
摘录开始：
在过去几周，我们看到了"模型作为产品"的两个典型例子：OpenAI 的 Deep Research 和 Claude Sonnet 3.7。
我读到很多关于 Deep Research 的误解，这些误解因开源和闭源克隆产品的增多而更加严重。OpenAI 并非仅在 O3 之上构建了一个包装器。他们训练了一个全新的模型，能够在内部执行搜索，无需任何外部调用、提示或编排：
深度研究模型由针对网页浏览优化的早期版本 OpenAI o3 提供支持。
该模型学习了核心浏览能力（搜索、点击、滚动、解析文件）（...），并通过对这些浏览任务的强化学习训练，学会了如何推理以综合大量网站信息，找到特定内容或编写全面报告。
Deep Research 不是标准的 LLM，也不是普通的聊天机器人。它是一种新型的"研究语言模型"，专门设计用于端到端执行搜索任务。
对于认真使用它的人来说，这种差异立即显现：该模型能生成结构连贯、具有系统化源分析过程的长篇报告。相比之下，正如 Hanchung Lee 指出的，其他所有的 Deep Search，包括 Perplexity 和 Google 的变体，都只是带有一些微调的常规模型：
Google 的 Gemini 和 Perplexity 的聊天助手也提供"深度研究"功能，但它们都没有发布任何关于如何为此任务优化模型或系统的文献，也没有进行任何实质性的定量评估（...）我们假设它们所做的微调工作并不显著。
Anthropic 一直在更清晰地阐述他们的愿景。去年十二月，他们提出了一个有争议但在我看来正确的 Agent 模型定义。
类似于 Deep Search，Agent 必须在内部执行目标任务：它们"动态指导自己的过程和工具使用，控制完成任务的方式"。
目前大多数 Agent 初创公司构建的不是真正的 Agent，而是工作流，即"通过预定义的代码路径编排 LLM 和工具的系统"。工作流在某些垂直领域仍可能创造价值。
然而，对于现在在大型实验室工作的人来说，显而易见的是，自主系统的所有重大进展都将首先通过重新设计模型来实现。
Claude 3.7 的发布就是一个非常具体的例证，这个模型主要是为处理复杂代码用例而训练的。所有类似 Devin 的工作流调整在软件工程基准测试中都获得了显著提升。
再举一个小规模的例子：在 Pleias，我们目前正致力于 RAG 的自动化。
当前的 RAG 系统由许多相互关联但脆弱的工作流组成：路由、分块、重排序、查询解释、查询扩展、源上下文化和搜索工程。
随着训练技术栈的发展，有可能将所有这些流程整合到两个独立但相互关联的模型中：一个用于数据准备，另一个用于搜索/检索/报告生成。
这需要精心设计的合成流程和全新的强化学习奖励函数。真正的训练，真正的研究。
这在实践中意味着：转移复杂性。
训练预先考虑了各种行动和边缘情况，使部署变得更简单。但在这个过程中，大部分价值现在由模型训练者创造，最终也可能被他们获取。
简而言之，Claude 的目标是颠覆并取代当前的工作流，比如来自 llama index 的这种基本"代理"系统：
替换为这样：
