Google 把 Deep Research 開 API 了——但幻覺問題還在

Google 在 2026-04-21 正式把 Deep Research 開給開發者用。Sundar Pichai 的那則推文說得直接：「MCP 支援、原生圖表生成、全引用報告——只需一個 API call。」

這個時間點不是偶然。Deep Research 從 2024 年 12 月以消費者功能形式推出，歷經 Gemini 1.5 Pro→ 2.0 Flash Thinking→ 2.5 Pro 三次模型升級，2025 年 12 月才以 Interactions API 的形式開放程式化存取。這次的 Deep Research Max 是整條升級路線的終點，也是 Google 把 AI 基礎設施賣給企業的最清晰表態。

兩個 tier，一個核心取捨

這次發布引入了分層設計：

Deep Research：速度優先，低延遲，適合直接嵌入互動式使用者介面的研究體驗。

Deep Research Max：最高品質，使用 extended test-time compute 反覆推理、搜尋、精煉。Google 建議把它當成非同步背景工作來跑——例如夜間 cron job，讓 Max 在隔天早上為分析師團隊準備好詳盡盡職調查報告。

根據 Sundar Pichai 引用的數字（來自 Google 官方），Deep Research Max 在 DeepSearchQA 拿到 93.3%、在 HLE 拿到 54.6%。

這個分層架構其實在回答一個 AI agent 設計的根本問題：速度和徹底性不可兼得。 讓使用者在啟動時選擇，比單一模型嘗試自動判斷更誠實。

除了 benchmark，Google 也公布了新舊版本之間的品質比較：

MCP 支援意味著什麼

這次最值得關注的不是 benchmark 數字，而是 MCP 支援。

Model Context Protocol 是 Anthropic 在 2024 年 11 月提出的開放標準，定義 AI 模型如何連接外部資料來源和工具。Google 把 Deep Research 的工具鏈接進這套標準，意味著開發者可以同時讓 agent 使用 Google Search、遠端 MCP server、URL Context、Code Execution、File Search——或者完全關閉網路存取，只搜尋自有資料。

過去要讓企業資料（SEC 申報文件、內部研究報告、市場資料終端）和公開網路資訊混合查詢，需要大量客製化工程。MCP 的整合把這個問題壓縮成一個設定步驟。

這對金融服務、生命科學這類依賴多來源交叉比對的行業，是比 benchmark 更實際的升級。VentureBeat 在報導中提到 FactSet、S&P、PitchBook 作為潛在合作夥伴，顯示 Google 在認真做這件事的行業落地。

這次還新增了兩個過去消費者版沒有的控制權：

Collaborative planning：agent 正式開始執行前，開發者（或終端使用者）可以審查、調整它規劃的研究方向。這不只是 UX 的改善——對 enterprise workflow 而言，能在「燒算力」之前攔截方向偏差，是實際的成本控制。

即時 streaming：可以接收 agent 的中間推理步驟，不用等最終報告才知道它在做什麼。這讓 Deep Research 可以嵌入有進度回饋需求的使用者介面，而不只是「丟進去等結果」。

競爭版圖

Deep Research 這個品類已經不是 Google 獨家了。

OpenAI 有自己的 Deep Research agent，目前跑在 GPT-5.2 上（根據 The Decoder 報導，2026 年 2 月更新後切換到此版本）。OpenAI 表示 GPT-5.4 Pro 在 BrowseComp agentic search benchmark 上達到 89.3%，標準 GPT-5.4 達到 82.7%。Perplexity 有 Sonar Deep Research。Anthropic 的 Claude 被多個評測站描述為在 agentic search 任務上有競爭力的選項。

Google 在官方比較中選擇了 GPT-5.4，而不是 GPT-5.4 Pro（BrowseComp 89.3%）。The Decoder 明確指出這個選擇的問題：apples-to-apples 比較應該是 Deep Research Max 對 OpenAI 的 DR agent，而不是 GPT-5.4。這種基準測試選擇性在 AI 產品發布中越來越常見，讀者需要留意。

但幻覺問題還在

把 Deep Research 從消費者產品升格為 API、加上 MCP 和圖表生成，這些都是工具層面的進步。模型可靠性是另一回事。

Google AI Developer Forum 上有開發者記錄了 Deep Research 在專利檢索任務中的嚴重幻覺問題：patent ID、專利內容、連結全部捏造，且模型在被指出後仍反覆給出相同錯誤答案。這不是孤例——arxiv 論文（2601.22984）系統性分析了 deep research agent 在中間推理步驟（而非僅最終輸出）的幻覺傳播問題，引入 PIES Taxonomy 指出當前 DRA 在「grounding 忠實度」和「資訊遺漏」兩個維度存在結構性缺陷。

除了幻覺，還有一個更根本的批評：這類報告普遍「淺薄」。AI Goes to College 的作者在深度使用後寫道：這些報告密集、有引用、格式正確，但沒有原創洞察，像是稱職研究助理的產出，而不是真正的分析判斷。

這不是 Google 獨有的問題，而是整個 deep research agent 品類目前的天花板。開發者在把它嵌入正式業務流程前，應該對「品質達到 93.3%」這類數字保持清醒：benchmark 測的是什麼，以及你的任務是否符合那個測試分佈，是兩個獨立的問題。

怎麼用

兩個 agent 都透過 Interactions API 存取，現在以 public preview 形式在 Gemini API 的付費方案上線，可以從 Google AI Studio 用 Gemini API key 直接取用。Google 也宣布後續會把它帶進 Vertex AI，面向企業客戶。

基礎使用模式是非同步的：一個 API call 啟動研究任務，背景執行，然後輪詢結果。對開發者來說，這代表它天然適合作為 pipeline 的第一步——先讓 Deep Research 收集脈絡，後面再接自有的分析或決策邏輯。

Google 說這次運行的基礎設施和 Gemini app、NotebookLM、Google Search、Google Finance 的研究功能共用。如果你已經在用消費者版 Deep Research，那個品質基準就是 API 版的起點。

原生視覺化輸出支援 HTML 格式或 Nano Banana 格式，可以動態呈現複雜資料集。這是官方 blog 展示的範例輸出之一：

這類圖表是 agent 在研究過程中自動生成的，不需要開發者額外接圖表 library——這是跟過去版本最直接的差異。

研究 agent 的 API 化是 2026 年 AI 基礎設施競爭最清晰的主線之一。Google 今天走出了這一步，帶著真實可用的功能集，也帶著尚未解決的可靠性問題。後者不是打折扣的理由，是使用前應該知道的邊界。