实测豆包刚刚上线的新版深度思考，他们也向DeepSearch迈出了一步。 * { margin: 0; padding: 0; outline: 0; } body { font-family: “PingFang SC”, system-ui, -apple-system, BlinkMacSystemFont, “Helvetica Neue”, “Hiragino Sans GB”, “Microsoft YaHei UI”, “Microsoft YaHei”, Arial, sans-serif; line-height: 1.6; } .__page_content__ { max-width: 667px; margin: 0 auto; padding: 20px; text-size-adjust: 100%; color: rgba(0, 0, 0, 0.9); padding-bottom: 64px; } .title { user-select: text; font-size: 22px; line-height: 1.4; margin-bottom: 14px; font-weight: 500; } .__meta__ { color: rgba(0, 0, 0, 0.3); font-size: 15px; line-height: 20px; hyphens: auto; word-break: break-word; margin-bottom: 50px; } .__meta__ .nick_name { color: 576B95; } .__meta__ .copyright { color: rgba(0, 0, 0, 0.3); background-color: rgba(0, 0, 0, 0.05); padding: 0 4px; margin: 0 10px 10px 0; } blockquote.source { padding: 10px; margin: 30px 0; border-left: 5px solid ccc; color: #333; font-style: italic; word-wrap: break-word; } blockquote.source a { cursor: pointer; text-decoration: underline; } .item_show_type_0 > section { margin-top: 0; margin-bottom: 24px; } a { color: 576B95; text-decoration: none; cursor: default; } .text_content { margin-bottom: 50px; user-select: text; font-size: 17px; white-space: pre-wrap; word-wrap: break-word; line-height: 28px; hyphens: auto; } .picture_content .picture_item { margin-bottom: 30px; } .picture_content .picture_item .picture_item_label { text-align: center; } img { max-width: 100%; } .pay_subscribe_notice { margin: 30px 0; padding: 20px; background: fffbe6; border: 1px solid ffe58f; border-radius: 8px; } .pay_subscribe_badge { display: inline-block; padding: 4px 12px; background: faad14; color: fff; border-radius: 4px; font-size: 14px; font-weight: 500; margin-bottom: 12px; } .pay_subscribe_desc { font-size: 15px; line-height: 1.8; color: rgba(0, 0, 0, 0.7); margin-bottom: 12px; } .pay_subscribe_hint { font-size: 13px; color: rgba(0, 0, 0, 0.4); } .__bottom-bar__ { display: flex; justify-content: space-between; align-items: center; position: fixed; bottom: 0; left: 0; right: 0; height: 64px; padding: 8px 20px; background: white; box-sizing: border-box; border-top: 1px solid rgba(0, 0, 0, 0.2); } .__bottom-bar__ .left { display: flex; align-items: center; font-size: 15px; white-space: nowrap; } .__bottom-bar__ .right { display: flex; } .__bottom-bar__ .sns_opr_btn { display: flex; align-items: center; user-select: none; background: transparent; border: 0; color: rgba(0, 0, 0, 0.9); font-size: 14px; } .__bottom-bar__ .sns_opr_btn:not(:last-child) { margin-right: 16px; } .__bottom-bar__ .sns_opr_btn > img { margin-right: 4px; }

实测豆包刚刚上线的新版深度思考，他们也向DeepSearch迈出了一步。

原创 数字生命卡兹克 数字生命卡兹克 2025-03-27 20:57 海南

原文地址: https://mp.weixin.qq.com/s/KzEe8L_-dVQfTniW72NbKg

今天晚上，就在刚刚，豆包终于上了之前很多人期待的功能。

深度思考。

我之前用别人的账号体验过这功能，就是推理模型，而今天看到的第一刻，我以为的是，豆包的推理模型终于全量上线了。

但是当我体验了一下以后，发现他们这个深度思考，跟之前的推理模型、还有其他的AI联网还真的有点不太一样。

它不止是是个推理模型，还直接把思考和搜索，给融合在了一起，有点DeepSearch那个做法。

而不是像DeepSeek一样，把深度思考和搜索分开去处理，用户自己选择是否打开思考和联网。

这个说法可能有点难理解，看个案例。

比如说，我最近有一部非常喜欢的情景喜剧在看，是《鹊刀门传奇2》，今天终于看到大结局了，还挺舍不得的。。。

小声比比：我强烈安利所有没看过的人去看，真的超级无敌爆炸好看。

这里面的演员呢，其实很多都是赵家班的，我在弹幕上天天看到有人说，这人是《乡村爱情》里面的谁谁谁。

于是，我就想搜一下，鹊刀门传奇2中的演员，在乡村爱情中分别出演过什么样的角色？

如果你把这个问题，问DeepSeek的话，他的做法和答案是这样的。

你会看到，流程是先根据我的问题，去联网查询，查到了所有的内容以后，再根据这些搜到的内容和我的问题，来给我进行回答。

而最后的回答是这样的。

我当时脸都看懵了，一半是配角，一半是未透露。

不是，那几个主角，你是一句没提啊。。。

这个其实就是现在很多AI搜索的弊端，在一些稍微复杂一点的问题上，根本就不够准确。

而像我一直狂吹的OpenAI的DeepResearch之所以效果那么好，是因为他除了底模是o3强到爆炸之外，也是一个Agent，不是上来对着这句话先搜，而是先思考，先规划，规划完了再去一点一点搜索，得到答案。

豆包这个深度思考，是一样的逻辑。

比如我把刚才那句话，问豆包。

你会看到，跟DeepSeek的搜索不一样的是，豆包的深度推理是先思考，再搜索。

先把问题拆成了4步：

1. 搜索《鹊刀门传奇 2》的主要演员名单。

2. 对每个演员，搜索他们在《乡村爱情》系列中饰演的角色。

3. 整理这些信息，确保每个演员的对应角色正确无误。

4. 注意可能的重复角色或演员替换情况，避免错误。

然后才去搜索相关资料。

在过程中，也不是搜索一次以后就结束了，而是思考 - 搜索 - 思考 - 继续搜索。

所以你会看到，在一次任务中，可能会出现好几次搜索。

我的这个任务，在豆包经历了两次搜索之后，给出了一篇答案。

主角都抓出来了，回答质量上也好不少，整体的正确率能达到80%。

当然，一些细节的错误也有，就单说鹊刀门传奇2的角色。

比如高大毛并不是鹊刀门的弟子，他是天池帮的；比如唐鉴军老师在鹊刀门传奇2中饰演的角色是绝绝子，不是公孙丽蓉，公孙丽蓉是张小英老师演的；比如王小虎饰演的是王公公，并不是任我翔。

细节的幻觉部分还是难以避免。

除了这个两部戏的演员关联，我也测了一些其他的例子。

比如我有一个很有意思的prompt，是：

《哈利·波特》系列电影中，每部电影出现但被大多数观众忽略的关键细节分别是什么？

豆包想了很久，整整搜索了3轮。

第一轮搜索，豆包把任务拆完分步骤以后，知道了大概的隐藏细节是什么样子的，知道纯靠自己估计答不好，需要去参考影迷社区的讨论。

可以在右边看到，搜索的还是很精准的，几乎都是精准的细节帖子。

在第一轮搜索结束之后，其实已经拿到不少内容了。但是豆包自己PUA自己了一圈以后，发现怎么只有第一、三、四、七部的，哈利波特总共8部的，缺了另外4部的一些内容，然后，它又开始了第二轮搜索。

拿了不少关于魂器和凤凰社的信息。

而第三轮搜索，则是给自己，继续补充细节。

最后，豆包自己感觉，信息基本都够了，再搜可能没啥增量信息了，决定停了，也差不多了，可以整合整合给用户回答了。

最后，回答的效果是这样的。

很全面，很细节，又勾起了我的很多的回忆。

比如我最近想买一个数码相机，学一学摄影。我是这么问豆包的：

我想买一台数码相机，预算1万左右，主要用途是旅游拍照和短视频拍摄。请你先在国内外评测网站搜索该价位区间内画质、视频防抖表现都不错的机型，然后再比较这些机型在镜头群、重量和售后服务方面的优劣。根据实际使用场景给出购买建议。

同样，也搜索了3轮，自己想了N多的回答。

最后，给我列了一个对比表。

对比了一通后，非常推荐我富士 X-T4 单机身，说是搭配二手镜头是最优解；若能接受小幅超支，佳能 EOS R8的综合性能更值得投资。

不知道有没有懂摄影的朋友，来看看豆包这个推荐的怎么样。

目前从我的测试来看，大多数的回答，都回在2~3轮会结束，时间最长在50秒左右，大多数情况在20多秒的时候都能出回答。

我个人对豆包的新版深度思考的评价是：

最终质量中规中矩，但是补上了一个生态位。

现在所有跟AI搜索相关的功能（包括AI搜索、深度思考、DeepResearch、DeeperSearch等等），其实可以列成一个四象限。

横轴是最后搜索结果的质量，从一般到高；纵轴是消耗时长（也可以说是成本）从高到低。 

我自己也做了一下评测，然后做了一张图。（叠个甲：根据我自己日常使用场景进行测试，纯个人主观，如果不同意见勿喷。）

单从输出质量看，T0肯定是OpenAI的DeepResearch，但是消耗时间也最高，十几分钟是长有的事，也是最贵的模型，一次查询就是2美刀。

他们强就强在是一个极度完整的Agent，拥有最强基座o3模型。

其次就是Grok前几天更新的DeeperSearch，拥有X独特的资源，同时也大幅增加了搜索的时长，效果比之前牛逼很多。

而豆包的生态，就在于质量还不错，同时拥有最快的速度。性价比最高，而且，还无限免费用。

从这也能看出各家的打法，坦率的讲，DeepResearch原来就没法给国内的普通人用。

即使Gemini的DeepResearch可以一个月用5次，但是还是不够平权。

而豆包的深度思考，边想边搜的模式，有了Agent的雏形，同时把成本打得足够低，人人都能免费用的上。

而且是免费无限用。

这一点，我觉得他的意义更加重要。

再牛逼的东西，高高在上，处于云端之间，只可远观，虚无缥缈，那还有什么意思呢？

愿更多人。

与触手可及的宝刀相遇。

然后屠龙。

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。

>/ 作者：卡兹克

>/ 投稿或爆料，请联系邮箱：wzglyay@virxact.com

数字生命卡兹克

 阅读 赞  分享 ‘%3E %3Cg transform=‘translate(0 -2.349)‘%3E %3Cpath d=‘M0 2.349h24v24H0z’/%3E %3Cpath fill=‘%23576B95’ d=‘M16.45 7.68c-.954 0-1.94.362-2.77 1.113l-1.676 1.676-1.853-1.838a3.787 3.787 0 0 0-2.63-.971 3.785 3.785 0 0 0-2.596 1.112 3.786 3.786 0 0 0-1.113 2.687c0 .97.368 1.938 1.105 2.679l7.082 6.527 7.226-6.678a3.787 3.787 0 0 0 .962-2.618 3.785 3.785 0 0 0-1.112-2.597A3.687 3.687 0 0 0 16.45 7.68zm3.473.243a4.985 4.985 0 0 1 1.464 3.418 4.98 4.98 0 0 1-1.29 3.47l-.017.02-7.47 6.903a.9.9 0 0 1-1.22 0l-7.305-6.73-.008-.01a4.986 4.986 0 0 1-1.465-3.535c0-1.279.488-2.56 1.465-3.536A4.985 4.985 0 0 1 7.494 6.46c1.24-.029 2.49.4 3.472 1.29l.01.01L12 8.774l.851-.85.01-.01c1.046-.951 2.322-1.434 3.59-1.434 1.273 0 2.52.49 3.472 1.442z’/%3E %3C/g%3E %3C/g%3E %3C/g%3E%3C/svg%3E) 推荐 ’ fill=‘%23000’ fill-opacity=’.9’/%3E%3C/svg%3E) 留言