Что произошло
Google представила два новых исследовательских ИИ-агента — Deep Research и Deep Research Max, работающих на базе модели Gemini 3.1 Pro. Это серьёзный шаг вперёд: впервые один агент может одновременно искать информацию в открытом интернете и в закрытых корпоративных базах данных, строить графики прямо в отчётах, а благодаря поддержке протокола MCP (Model Context Protocol) — подключаться к профессиональным финансовым платформам вроде FactSet, S&P и PitchBook.
Два агента — одна задача, разные подходы
Google выпустила не один, а два варианта, и это отражает фундаментальную проблему в дизайне ИИ-агентов: баланс между скоростью и тщательностью.
Deep Research — быстрый вариант для интерактивных задач. Значительно сниженная задержка и стоимость по сравнению с предыдущей версией. Идеален когда нужно быстро получить ответы в пользовательском интерфейсе — например, финансовый дашборд, который отвечает на сложные аналитические вопросы почти в реальном времени.
Deep Research Max — противоположный конец спектра. Использует расширенные вычисления (extended test-time compute): модель тратит больше вычислительных циклов на итеративный поиск, анализ и проверку. Запустил перед уходом из офиса — утром готов детальный отчёт с полным цитированием. Бенчмарки впечатляют: 93,3% на DeepSearchQA (было 66,1% в декабре) и 54,6% на Humanity's Last Exam (было 46,4%).
MCP — мост между открытым вебом и корпоративными данными
Самое интересное нововведение — поддержка Model Context Protocol. Это превращает Deep Research из продвинутого поисковика в универсального аналитика данных.
- Хэдж-фонд может направить агента в свою базу сделок и на финансовый терминал одновременно
- Система может работать только с кастомными данными — без доступа к интернету вообще
- Принимаются мультимодальные входные данные: PDF, CSV, изображения, аудио и видео
- Google сотрудничает с FactSet, S&P и PitchBook над их MCP-серверами
До сих пор для объединения открытых и приватных данных требовалась серьёзная кастомная разработка. MCP сводит эту сложность к этапу конфигурации.
Нативные графики и инфографика
Второе ключевое нововведение — генерация графиков и инфографики прямо в отчётах. Не скриншоты, не рекомендации «визуализируйте эти данные», а реальные HTML-графики внутри markdown-вывода.
Для финансистов и консультантов это трансформирует Deep Research из инструмента, который ускоряет исследовательскую фазу, в систему, способную создавать почти готовые аналитические продукты. Плюс новая функция совместного планирования: пользователи могут ревьюить и направлять исследовательский план агента до начала выполнения.
Конкурентный ландшафт
Google действует не в вакууме. OpenAI разрабатывает агентные возможности в ChatGPT (проект Hermes), Perplexity построил бизнес на ИИ-поиске, Microsoft продвигает Copilot Studio, Salesforce — Agentforce. Но комбинация поисковой инфраструктуры масштаба Google Search с MCP-подключением к корпоративным источникам данных — это уникальное сочетание, которого пока нет ни у кого.
Личное мнение
Это один из самых практичных релизов в корпоративном ИИ за последнее время. Вместо абстрактных «агентов будущего» — конкретный инструмент для людей, которые зарабатывают на анализе информации. Восемнадцать месяцев назад Deep Research был фичей для аспирантов. Сейчас Google хочет, чтобы он заменил первую смену в инвестбанке.
Вопрос — а не в бенчмарках, а в реальных рабочих процессах. Сможет ли качество автоматизированных отчётов соответствовать стандартам профессионалов? И что значит для рынка, если аналитика, которая занимала дни, теперь готова за часы?
Доступно в публичной превью через платные тарифы Gemini API. Скоро — через Google Cloud для стартапов и энтерпрайза.
