（又從草稿箱翻出一篇本該四月寫完的文章…我的草稿箱里究竟還藏著多少 TODO 啊…） 先問大家兩個問題： 各家 AI 現在都做了 Deep Research，那么如何比較不同的深度研究之間的能力高低呢？***設一道題目客觀上存在唯一正確答案，且相關信息線索絕對可以在互聯網上搜到，在允許使用搜索引擎的情況下，你覺得自己能做出來嗎？當下最先進的 AI Agent 呢？為了驗證大模型、Agent 網上沖浪的能力，OpenAI 編了一套超難的試卷，里面有 …。