Google 把 Deep Research 智能体带进 AI Studio 和 API 。瞄准的是企业级研究工作流
Google 宣布通过 Gemini API 推出两款新研究智能体 Deep Research 和 Deep Research Max ，目标用户直指开发者、企业，以及金融、生命科学等对研究严谨性要求极高的行业团队。这两款产品已经以公开预览形式上线，目前面向 Gemini API 付费层用户开放，后续还将扩展至 Google Cloud 客户。
这次更新的关键，不只是 Google 又发布了两个新名字，而是它把 AI 研究能力从“做摘要”往“做分析”又推了一步。两款智能体都基于 Gemini 3.1 Pro ，能够围绕复杂研究任务发起完整工作流，整合开放网络信息、通过模型上下文协议 （ Model Context Protocol ， MCP ） 接入的专有数据，以及多种文件类型内容，最后生成带原生图表和信息图的研究报告。
产品定位区分得很明确。 Deep Research 更强调速度和直接交互体验，适合需要快速得到研究结果的场景。 Deep Research Max 则偏向异步、大规模分析任务，重点放在完整性和来源多样性上。换句话说，一个更像高响应的研究助手，另一个更像耐心而重型的分析引擎。
Google 给这套系统补上的，不只是“多看几篇网页”这么简单。官方描述中，协作式规划、多模态输入支持、中间输出实时流式展示，都被纳入工作流设计里。这意味着开发者和分析师不必只盯着最终答案，可以直接看到研究过程如何展开，任务如何拆解，结论又是怎样一步步形成的。对企业用户来说，这种透明度比单纯的生成能力更实用，尤其是在需要审计、复核和责任追踪的场景里。
和此前版本相比， Deep Research Max 的提升点主要集中在研究深度上。它会参考更多来源，尝试处理相互冲突的证据，并生成更细致、带引用的报告。 Google 显然想把它和早期版本，以及市面上那些“看起来能研究、实际更像整理材料”的同类产品拉开差距。
数据侧的布局也很有针对性。 Google 已经与 FactSet 、 S&P Global 、 PitchBook 等成熟数据提供商合作，让专业金融数据可以直接接入研究流程。这一动作很现实。企业级研究工具如果拿不到高质量、结构化、可授权的数据，再强的模型也很难真正进入金融和合规环境。 Google 这次没有只谈模型能力，而是把数据入口一并补齐，这说明它的目标不是演示效果，而是落地基础设施。
从产品脉络看，这也是 Google 对 Gemini Deep Research 路线的延续。公司正在强化一种更清晰的定位，即为专业场景和受监管环境提供可扩展的自主研究基础设施。这个方向谈不上新鲜，但 Google 这次做得更彻底了一些。它不再只卖“模型会思考”，而是在试图证明，模型可以嵌进真实的研究链条里，接触专有数据、处理冲突信息、输出可引用结果，还能把过程暴露给人看。
