Компанія Google представила значне оновлення своїх агентів для автономних досліджень, анонсувавши два нові інструменти — Deep Research та Deep Research Max. Це вперше дозволяє розробникам об’єднувати відкриті дані з Інтернету з пропрієтарною корпоративною інформацією через єдиний API-виклик, генерувати нативні діаграми та інфографіку безпосередньо в дослідницьких звітах, а також підключатися до будь-яких сторонніх джерел даних за допомогою протоколу Model Context Protocol (MCP).
Цей реліз, побудований на базі моделі Gemini 3.1 Pro від Google, означає новий етап у шаленій гонці зі створення систем штучного інтелекту, здатних самостійно проводити вичерпні, багатоджерельні дослідження, які раніше вимагали годин або днів роботи людських аналітиків. Це також є найчіткішою спробою Google позиціонувати свою ШІ-інфраструктуру як основу для корпоративних дослідницьких процесів у таких галузях, як фінанси, науки про життя та аналіз ринку, де наслідки помилкової інформації надзвичайно високі.
“Ми запускаємо два потужні оновлення Deep Research в Gemini API, тепер з кращою якістю, підтримкою MCP та генерацією нативних діаграм/інфографіки”, — написав генеральний директор Google Сундар Пічаї у X. “Використовуйте Deep Research, коли вам потрібна швидкість та ефективність, і Max, коли вам потрібна найвища якість збору та синтезу контексту з розширеними обчислювальними потужностями під час тестування — досягаючи 93,3% на DeepSearchQA та 54,6% на HLE”.
Обидва агенти доступні вже сьогодні для загального попереднього перегляду через платні рівні Gemini API, доступні через Interactions API, який Google вперше представив у грудні 2025 року.
Чому Google створив два дослідницькі агенти замість одного
Запуск передбачає багаторівневу архітектуру, що відображає фундаментальне протиріччя у розробці ШІ-агентів: компроміс між швидкістю та ретельністю.
Deep Research, стандартний рівень, замінює попередню версію агента, випущену Google у грудні, і оптимізований для випадків використання з низькою затримкою та інтерактивністю. Він забезпечує, за словами Google, значно зменшену затримку та витрати при вищій якості порівняно з попередником. Компанія позиціонує його як ідеальний для застосувань, де розробник хоче вбудувати дослідницькі можливості безпосередньо в інтерфейс користувача — наприклад, фінансову панель, яка може відповідати на складні аналітичні запити майже в реальному часі.
Deep Research Max займає протилежний кінець спектру. Він використовує розширені обчислювальні потужності під час тестування — техніку, за якою модель витрачає більше обчислювальних циклів на ітеративне міркування, пошук та вдосконалення свого виводу перед наданням фінального звіту. Google розробив його для асинхронних, фонових робочих процесів: завдань, коли команда аналітиків запускає пакет звітів через належну обачність перед кінцем робочого дня і очікує отримати вичерпний, повністю процитований аналіз на наступний ранок.
Команда Google DeepMind пояснила відмінність у X: “Deep Research: Оптимізований для швидкості та ефективності. Ідеально підходить для інтерактивних додатків, що потребують швидших відповідей. Deep Research Max: Використовує додатковий час для пошуку та аналізу. Ідеально підходить для вичерпного збору контексту та завдань, що виконуються у фоновому режимі”.
“Deep Research був нашим першим хостованим агентом в API і здобув значну популярність за останні 3 місяці. Дуже раді, що люди тестують нових агентів та всі вдосконалення. Це лише початок нашого шляху з агентами”, — написав Логан Кілпатрік, керівник відділу розробницьких відносин Google у сфері ШІ, у X.
Підтримка MCP дозволяє агентам вперше отримувати доступ до приватних корпоративних даних
Можливо, найважливішою функцією сьогоднішнього релізу є додавання підтримки Model Context Protocol, яка перетворює Deep Research з інструменту для складних веб-досліджень на щось, що більше нагадує універсального аналітика даних.
MCP, новий відкритий стандарт для підключення моделей ШІ до зовнішніх джерел даних, дозволяє Deep Research безпечно запитувати приватні бази даних, внутрішні сховища документів та спеціалізовані сторонні сервіси даних — все це без необхідності виведення конфіденційної інформації з її вихідного середовища. Практично це означає, що хедж-фонд може одночасно спрямувати Deep Research на свою внутрішню базу даних угод та фінансовий термінал, а потім попросити агента синтезувати висновки з обох джерел разом із загальнодоступною інформацією з Інтернету.
Google повідомив, що активно співпрацює з FactSet, S&P та PitchBook над розробкою їхніх MCP-серверів, що свідчить про прагнення компанії до глибокої інтеграції з постачальниками даних, на яких Вол-стріт та ширша фінансова галузь вже покладаються щодня. Мета, згідно з публікацією менеджера продукту Google DeepMind Лукаса Гааса та Срініваса Тадепаллі, полягає в тому, щоб “дозволити спільним клієнтам інтегрувати фінансові дані у робочі процеси, керовані Deep Research, та дозволити їм досягти значного зростання продуктивності, збираючи контекст, використовуючи свої вичерпні всесвіти даних з блискавичною швидкістю”.
Це вирішує одну з найпоширеніших проблем у впровадженні корпоративного ШІ: розрив між тим, що модель може знайти у відкритому Інтернеті, і тим, що насправді потрібно організації для прийняття рішень. До цього моменту подолання цього розриву вимагало значних кастомних інженерних рішень. Підтримка MCP, у поєднанні з можливостями автономного браузингу та аналізу Deep Research, значно зменшує цю складність до одного етапу конфігурації. Розробники тепер можуть одночасно запускати Deep Research з Google Search, віддаленими MCP-серверами, URL-контекстом, виконанням коду та пошуком файлів — або повністю вимкнути доступ до Інтернету, щоб шукати виключно у власних даних. Система також приймає мультимодальні входи, включаючи PDF, CSV, зображення, аудіо та відео як базовий контекст.
Нативні діаграми та інфографіка перетворюють ШІ-звіти на готові до представлення результати
Друга ключова функція — генерація нативних діаграм та інфографіки — може здаватися незначною, але вона вирішує практичне обмеження, яке обмежувало корисність згенерованих ШІ результатів досліджень у професійних середовищах.
Попередні версії Deep Research генерували звіти виключно в текстовому форматі. Користувачам, яким потрібна була візуалізація, доводилося експортувати дані та створювати діаграми самостійно, що знижувало ефективність наскрізної автоматизації. Нові агенти генерують високоякісні діаграми та інфографіку безпосередньо у своїх звітах, відтворені у форматі HTML або Nano Banana від Google, динамічно візуалізуючи складні набори даних як частину аналітичного наративу.
“Агент генерує HTML-діаграми та інфографіку вбудовано у звіт. Не скріншоти. Не пропозиції ‘візуалізувати ці дані’. Справжні відтворені діаграми в markdown-виводі”, — зазначила коментаторка ШІ Шруті Мішра у X, підкресливши практичне значення цієї зміни.
Для корпоративних користувачів — особливо тих, хто працює у фінансах та консалтингу, яким потрібно створювати готові до представлення результати для зацікавлених сторін — це перетворює Deep Research з інструменту, що прискорює етап дослідження, на інструмент, який потенційно може створювати майже остаточні аналітичні продукти. У поєднанні з новою функцією спільного планування, яка дозволяє користувачам переглядати, керувати та вдосконалювати план дослідження агента перед виконанням, та потоковою передачею проміжних кроків аналізу в реальному часі, система надає розробникам гранулярний контроль над обсягом дослідження, зберігаючи при цьому прозорість, якої вимагають регульовані галузі.
Як Deep Research еволюціонував від функції споживчого чат-бота до інфраструктури корпоративної платформи
Сьогоднішній реліз кристалізує стратегічний наратив, який Google будував місяцями: Deep Research — це не просто споживча функція, а частина інфраструктури, що забезпечує роботу численних продуктів Google і тепер пропонується зовнішнім розробникам як платформа.
У публікації чітко зазначено, що коли розробники створюють з Deep Research агентом, вони використовують “ту саму інфраструктуру автономних досліджень, яка забезпечує дослідницькі можливості деяких найпопулярніших продуктів Google, таких як Gemini App, NotebookLM, Google Search та Google Finance”. Це свідчить про те, що агент, доступний через API, не є спрощеною версією того, що Google використовує внутрішньо, а є тією ж системою, запропонованою в масштабі платформи.
Шлях до цього моменту був надзвичайно стрімким. Google вперше представив Deep Research як споживчу функцію в додатку Gemini у грудні 2024 року, спочатку на базі Gemini 1.5 Pro. Тоді компанія описала його як персонального ШІ-асистента для досліджень, який міг заощадити користувачам години, синтезуючи інформацію з Інтернету за лічені хвилини. До березня 2025 року Google оновив Deep Research за допомогою Gemini 2.0 Flash Thinking Experimental і зробив його доступним для всіх. Потім послідувало оновлення до Gemini 2.5 Pro Experimental, де Google повідомив, що оцінювачі віддають перевагу його звітам перед конкурентними глибокими дослідницькими сервісами з співвідношенням понад 2:1. Реліз у грудні 2025 року ознаменував перехід до доступу для розробників, коли Google запустив Interactions API і вперше зробив Deep Research доступним програмно, на базі Gemini 3 Pro і з супутнім бенчмарком DeepSearchQA з відкритим вихідним кодом.
Базова модель, що лежить в основі сьогоднішніх вдосконалень, — це Gemini 3.1 Pro, випущена Google 19 лютого 2026 року. Ця модель представляла собою значний стрибок у основних можливостях аналізу: на ARC-AGI-2, бенчмарку, що оцінює здатність моделі розв’язувати нові логічні патерни, 3.1 Pro набрав 77,1% — більш ніж удвічі більше, ніж Gemini 3 Pro. Deep Research Max успадковує цю основу аналізу та накладає на неї поведінку автономних досліджень, досягаючи 93,3% на DeepSearchQA (зростання з 66,1% у грудні) та 54,6% на Humanity’s Last Exam (зростання з 46,4%).
Google стикається з жорсткою конкуренцією у створенні агентів для автономних досліджень
Google не діє у вакуумі. Запуск відбувається на тлі посилення конкуренції у сфері агентів для автономних досліджень. OpenAI розробляє власні можливості агентів у ChatGPT під кодовою назвою Hermes, яка, за повідомленнями в соціальних мережах, включає конструктор агентів, шаблони, планування та інтеграцію зі Slack. Perplexity побудувала свій бізнес навколо досліджень на базі ШІ. А зростаюча екосистема стартапів атакує різні сегменти автоматизованого дослідницького процесу.
Що відрізняє підхід Google, так це поєднання його пошукової інфраструктури — яка надає Deep Research доступ до найширшого та найактуальнішого індексу веб-інформації — з можливістю підключення до корпоративних джерел даних на базі MCP. Жодна інша компанія наразі не пропонує дослідницького агента, який може одночасно запитувати відкритий Інтернет у масштабах Google Search та орієнтуватися у пропрієтарних сховищах даних через стандартизований протокол. Структура ціноутворення також сигналізує про намір Google стимулювати впровадження: за даними Sim.ai, яка відстежує ціни на моделі, агент Deep Research у грудневому попередньому перегляді коштував 2 долари за мільйон вхідних токенів та 2 долари за мільйон вихідних токенів з вікном контексту 1 мільйон токенів — що робить його конкурентоспроможним за обсягом згенерованих дослідницьких виводів.
Однак, не всі зустріли оголошення з неприхованою ентузіазмом. Кілька користувачів у X відзначили, що нові агенти доступні лише через API, а не в споживчому додатку Gemini. “Не в додатку Gemini”, — зазначив TestingCatalog News, тоді як інший користувач написав: “Google чомусь продовжує карати підписників Gemini App Pro”. Інші висловили занепокоєння щодо представлення результатів бенчмарків, причому один користувач стверджував, що діаграми Google можуть бути “вводящими в оману” щодо того, як вони відображають відсоткові покращення. Ці скарги вказують на ширше протиріччя в ШІ-стратегії Google: компанія все більше спрямовує свої найсучасніші можливості на розробників та корпоративних клієнтів, які отримують доступ до них через API, тоді як споживчі продукти іноді відстають.
Що Deep Research Max означає для фінансів, біотехнологій та майбутнього інтелектуальної праці
Практичні наслідки сьогоднішнього запуску найімовірніше відчують галузі, які покладаються на вичерпні, багатоджерельні дослідження як основну бізнес-функцію. У сфері фінансових послуг, де аналітики регулярно витрачають години на складання звітів через належну обачність з розрізнених джерел — звіти SEC, стенограми прибутків, термінали ринкових даних, внутрішні меморандуми угод — Deep Research Max пропонує можливість повністю автоматизувати початковий етап дослідження. Партнерства з FactSet, S&P та PitchBook свідчать про серйозність намірів Google інтегрувати це з фінансовою інфраструктурою, яку професіонали вже використовують.
У сфері наук про життя, як зазначається у публікації, Google співпрацював з Axiom Bio, яка створює ШІ-системи для прогнозування токсичності ліків, і виявив, що Deep Research відкрив нові рівні глибини початкових досліджень у біомедичній літературі. На ринку досліджень та консалтингу, можливість створювати готові до представлення звіти з вбудованими візуалізаціями та детальними цитатами може скоротити терміни виконання проєктів з днів до годин.
Ключове питання полягає в тому, чи будуть якість та надійність цих автоматизованих виводів відповідати стандартам, яких вимагають професіонали в цих галузях. Бенчмарк-показники Google вражають, але бенчмарки вимірюють продуктивність на стандартизованих завданнях — реальні дослідження є більш хаотичними, неоднозначними і часто вимагають такого судження, яке залишається складним для автоматизації. Deep Research та Deep Research Max доступні зараз для загального попереднього перегляду через платні рівні Gemini API, а доступ через Google Cloud для стартапів та підприємств з’явиться незабаром.
Вісімнадцять місяців тому Deep Research був функцією, яка допомагала аспірантам не потонути у вкладках браузера. Сьогодні Google робить ставку на те, що він може замінити першу зміну в інвестиційному банку. Відстань між цими двома амбіціями — і чи зможе технологія її подолати — визначить, чи стануть автономні дослідницькі агенти трансформаційною категорією корпоративного програмного забезпечення, чи просто ще одним ШІ-демо, яке вражає на бенчмарках і розчаровує в конференц-залі.
Прогноз ІТ-Блогу: Інтеграція MCP стане ключовим фактором для широкого впровадження Deep Research Max у корпоративному сегменті. Очікується, що протягом наступного року Google розширить партнерства з постачальниками даних і оптимізує вартість використання для ще більшого стимулювання прийняття.
Дізнатися більше на: venturebeat.com