Google объявила о запуске двух новых автономных исследовательских агентов — Deep Research и Deep Research Max, построенных на модели Gemini 3.1 Pro. Это, пожалуй, самый значительный шаг Google в сторону enterprise-инфраструктуры для ИИ-исследований.
Что изменилось
Главное нововведение — агенты впервые объединяют данные из открытого интернета и приватных корпоративных хранилищ в одном API-вызове. Это стало возможно благодаря поддержке Model Context Protocol (MCP) — открытого стандарта для подключения ИИ-моделей к внешним источникам данных.
На практике это означает, что хедж-фонд может направить Deep Research одновременно в свою внутреннюю базу сделок, финансовый терминал и открытые источники — а агент синтезирует единый отчёт. Данные при этом не покидают свои хранилища — MCP обеспечивает безопасное подключение.
Два агента — разная философия
Deep Research — оптимизирован под скорость. Подходит для интерактивных приложений, где пользователю нужен быстрый ответ. Google заявляет о значительно сниженной задержке и стоимости по сравнению с предыдущей версией.
Deep Research Max — противоположный конец спектра. Использует расширенное вычисление во время генерации (test-time compute), то есть модель тратит больше времени на итеративный поиск, анализ и улучшение ответа, прежде чем выдать финальный отчёт. Идеален для асинхронных задач — запустил вечером, утром получил детальный анализ. На бенчмарке DeepSearchQA показал 93.3%, на HLE — 54.6%.
Встроенные графики и инфографика
Вторая важная фича — нативная генерация чартов прямо внутри отчётов. Предыдущие версии выдавали только текст: если нужны были визуализации, пользователь экспортировал данные и строил графики вручную. Теперь агенты рендерят HTML-чарты и инфографику непосредственно в markdown-отчётах. Это превращает Deep Research из инструмента сбора информации в решение, способное выдавать почти готовые для стейкхолдеров аналитические продукты.
Интеграции с финансовыми провайдерами
Google активно сотрудничает с FactSet, S&P и PitchBook над MCP-серверами. Это прямая атака на рабочий процесс аналитиков: вместо ручного сбора данных из нескольких терминалов — единый ИИ-агент, который синтезирует информацию из всех источников.
Коллективное планирование
Новая функция позволяет пользователю проверить и скорректировать план исследования агента до его выполнения, а также наблюдать промежуточные шаги рассуждений в реальном времени. Для регулируемых отраслей это критически важно — прозрачность процесса не менее ценна, чем результат.
От потребителя к платформе
Deep Research прошёл удивительно быстрый путь: потребительская фича в приложении Gemini в декабре 2024 — API для разработчиков в декабре 2025 — сейчас полноценная инфраструктура, которая питает Gemini App, NotebookLM, Google Search и Google Finance. Та же система, что внутри Google, доступна любому разработчику через API.
Моё мнение
Google заняла правильную нишу. OpenAI и Anthropic соревнуются в моделировании агентов-помощников, а Google превращает Deep Research в инфраструктурный слой — тот уровень абстракции, на котором строятся реальные продукты. Поддержка MCP — это ход, который упрощает жизнь разработчикам в разы. Если интеграции с финансовыми провайдерами заработают как заявлено, многие отделы аналитики будут экономить десятки часов в неделю.
С другой стороны, генерация графиков — это то, что конкуренты тоже скоро догонят. Главный вопрос — качество и скорость Max-режима на практике. Бенчмарки впечатляют, но реальные кейсы покажут, насколько это действительно меняет рабочие процессы.
Что особенно важно — всё это доступно через paid-тиры Gemini API прямо сейчас в публичной превью. Не когда-нибудь, а уже сегодня. Google играет всерьёз, и enterprise-рынок ИИ-исследований становится горячее, чем когда-либо.
