我将为您调研各家发布的Deep Research类产品及其宣称的benchmark分数。为了更好地完成这项任务，我需要澄清几点信息：

1. 您是否需要关注特定时间范围内发布的Deep Research产品(例如2024-2025年)，还是希望包含所有历史产品？

2. 除了各产品宣称的benchmark分数外，您是否也想了解这些产品在某些特定评测基准上的表现比较(如GAIA、SimpleQA等)？

3. 您是否对某些特定公司或机构(如OpenAI、Perplexity、DeepSeek等)的Deep Research产品更感兴趣？

好的，这是为您制定的关于国内Deep Research类产品的研究计划。

Deep Research类产品及其Benchmark分数分析报告

一、市场概览

随着人工智能技术的快速发展，Deep Research类产品已成为AI领域的重要发展方向。这类产品不仅能够进行基础的对话交互，更能够自主搜索网络信息、分析复杂数据、生成详尽报告，代表了AI从单纯的问答系统向真正的智能助手进化的重要一步。目前，国内外多家企业已推出各自的Deep Research产品，并在不同的benchmark测试中展示了其性能优势。

二、主要Deep Research产品介绍

1. 国际产品

(1) OpenAI Deep Research

OpenAI于2025年2月推出的Deep Research是该领域的先驱产品之一。它基于优化后的o3模型，能够利用推理能力搜索、解释和分析互联网上的大量文本、图像和PDF文件，并根据搜集的信息进行灵活调整网易。该产品目前仅向Pro用户开放，每月订阅费用约200美元新浪财经_手机新浪网。

(2) Manus

Manus由Monica团队于2025年3月发布，被称为"全球首款通用Agent产品"微博。它采用多Agent架构，包括规划代理、执行代理和验证代理三个核心模块，能够自主规划并执行复杂任务微博。Manus的特点是具备强大的自主执行能力，不仅能提供建议或答案，还能直接交付完整的任务成果搜狐网。

(3) Google Deep Research

Google也推出了自己的Deep Research产品，但目前关于其具体功能和性能的公开信息较少虎嗅网。

(4) xAI Deep Search

xAI的Deep Search是该公司在Deep Research领域的尝试，但同样缺乏详细的公开信息虎嗅网。

2. 国内产品

(1) 昆仑万维天工超级智能体(Skywork Super Agents)

昆仑万维于2025年5月发布的天工超级智能体采用了AI agent架构和deep research技术，能够一站式生成文档、PPT、表格、网页、播客和音视频多模态内容证券时报。它构建了由"5个专家智能体"+"1个通用智能体"组成的垂直专业系统中国证券报。

(2) 月之暗面Kimi-Researcher

月之暗面于2025年6月推出的Kimi-Researcher是基于端到端自主强化学习技术训练的新一代Agent模型，专为深度研究任务设计donews.com。它能够自主规划任务流程，进行澄清问题、深入思考、主动搜索以及调用工具完成结果交付donews.com。

(3) Genspark Super Agent

Genspark Super Agent是一个综合性的AI助手，结合了AI搜索、浏览和Agent功能，能够协调多个AI工具高效执行各项任务澎湃新闻。

(4) 香港大学Auto-Deep-Research

香港大学黄超教授实验室的三位研究员开源了创新型Agent框架Auto-Deep-Research，这是一个低成本的Deep Research替代方案新浪财经_手机新浪网。它基于Claude-3.5-Sonnet构建，同时支持DeepSeek、Hugging Face等主流模型新浪财经_手机新浪网。

三、Benchmark分数对比

目前，评估Deep Research类产品性能的主要benchmark包括GAIA、HLE和Xbench等。

1. GAIA基准测试分数

GAIA (General AI Assistant Benchmark)是由Meta、HuggingFace和AutoGPT团队联合推出的基准测试，旨在评估通用AI助手在现实场景中处理多步骤推理、工具使用和多模态任务的能力CSDN技术社区。GAIA将任务分为三个难度等级：Level 1(基础任务)、Level 2(中级任务)和Level 3(高级任务)CSDN技术社区。

资料来源： 微博证券时报知乎

根据GAIA基准测试的结果：

• 昆仑万维的天工超级智能体宣称在GAIA评测中取得了82.42的高分，超越了OpenAI Deep Research和Manus，位居第一(2025年5月10日数据)新浪财经_手机新浪网证券时报。

• Manus在GAIA基准测试中的表现达到了SOTA水平：Level 1为86.5%(超过OpenAI Deep Research的74.3%)、Level 2为70.1%(超过OpenAI Deep Research的69.1%)、Level 3为57.7%(超过OpenAI Deep Research的47.6%)微博。

• 香港大学开发的开源项目OWL在GAIA的验证集上，其Level 1分数达到81.13%，同样超过了OpenAI的Deep Research，与Manus晒出的86.5%已经非常接近知乎。

2. HLE基准测试分数

HLE(Humanity's Last Exam，人类最后一次考试)是由安全AI组织推出的极高难度基准，旨在成为"如果AI通过了这套考题，人类可能无题可出"的最终挑战CSDN博客。

资料来源： donews.comITBear科技资讯

在HLE基准测试中：

• Kimi-Researcher在完全零结构、无流程设计的设置下，Pass@1准确率达到26.9%，Pass@4准确率达到40.17%donews.com。这一表现超过了Claude 4 Opus(10.7%)和Gemini 2.5 Pro(21.6%)，略高于OpenAI Deep Research(26.6%)，与Gemini-Pro的DeepResearchAgent(26.9%)打平donews.com。

• OpenAI Deep Research在"人类的最后考试"中取得了26.6%的准确率，远远超过了其最接近的竞争对手DeepSeek R1，后者的得分低于10%网易。

3. Xbench基准测试分数

Xbench是红杉中国推出的一款全新AI基准测试工具，采用双轨评估体系，构建多维度测评数据集，旨在同时追踪模型的理论能力上限与Agent的实际落地价值网易。

在Xbench的DeepSearch任务中，Kimi-Researcher取得了69%的平均通过率，领先该榜中其他模型donews.comITBear科技资讯。

四、产品功能与特点对比

1. 功能特点

各家Deep Research产品在功能上各有侧重：

• OpenAI Deep Research：能够根据用户指令在线搜索文字、图像、PDF文件以及用户上传的文件，进而生成一份详尽的报告网易。

• Manus：具备强大的自主执行能力，能够解压文件、逐页浏览简历、提取关键信息，并生成Excel格式的排名报告搜狐网。

• 天工超级智能体：专注于办公场景，能够一站式生成文档、PPT、表格、网页、播客和音视频多模态内容证券时报。它在这三个智能体里集成了deep research能力，能够提供专家级、咨询级、科研级的内容生成结果中国证券报。

• Kimi-Researcher：专为深度研究任务设计，能够自主规划任务执行流程，进行澄清问题、深入思考、主动搜索以及调用工具完成结果交付donews.com。用户最终将收到两个交付成果：一份信息详实、可溯源的深度研究报告(平均长度在万字以上)和一个可交互、可分享的动态可视化报告mparticle.uc.cn。

2. 技术架构

各产品的技术架构也有所不同：

• OpenAI Deep Research：基于优化后的o3模型，经过优化以进行网络浏览和数据分析网易。

• Manus：采用多Agent架构，包括规划代理、执行代理和验证代理三个核心模块微博。其核心竞争力来自其混合模型腾讯。

• 天工超级智能体：构建了由"5个专家智能体"+"1个通用智能体"组成的垂直专业系统中国证券报。

• Kimi-Researcher：基于端到端自主强化学习技术训练的新一代Agent模型donews.com。

五、市场竞争与发展趋势

1. 市场竞争格局

目前，Deep Research类产品的市场竞争格局呈现以下特点：

• 国际巨头如OpenAI、Google等凭借其强大的技术实力和资金优势，率先推出了Deep Research产品，占据了一定的市场先机。

• 国内企业如昆仑万维、月之暗面等也迅速跟进，推出了具有竞争力的产品，并在某些benchmark测试中取得了超越国际巨头的成绩。

• 开源社区如香港大学的Auto-Deep-Research项目也在积极参与竞争，为用户提供了更经济实惠的选择。

2. 发展趋势

Deep Research类产品的未来发展趋势可能包括：

• 功能多样化：各产品将继续拓展其功能边界，提供更多样化的服务，如天工超级智能体计划在2025年下半年上线中文播客智能体，并拓展教育、医疗、法律等更多垂直领域的专家模块证券时报。

• 性能提升：随着AI技术的不断进步，各产品的性能将持续提升，在各类benchmark测试中的分数也将不断刷新。

• 应用场景拓展：Deep Research类产品将逐渐渗透到更多的应用场景中，如办公、教育、医疗、法律等领域。

• 开源生态繁荣：开源社区的活跃参与将推动整个行业的技术创新和进步，为用户提供更多样化的选择。

六、结论与展望

Deep Research类产品代表了AI从单纯的问答系统向真正的智能助手进化的重要一步。目前，各家企业推出的产品在功能、性能和应用场景上各有侧重，为用户提供了多样化的选择。

从benchmark分数来看，昆仑万维的天工超级智能体在GAIA评测中宣称取得了82.42的高分，位居第一；Manus在GAIA的Level 1、2、3测试中分别取得了86.5%、70.1%和57.7%的成绩；Kimi-Researcher在HLE测试中取得了26.9%的Pass@1准确率，在Xbench的DeepSearch任务中取得了69%的平均通过率。

未来，随着AI技术的不断进步和应用场景的不断拓展，Deep Research类产品将在更广泛的领域发挥重要作用，为用户提供更加智能、高效的服务。同时，各家企业也将在技术创新、产品功能和用户体验等方面展开更加激烈的竞争，推动整个行业的快速发展。