L’AI Aperta Sfida i Limiti della Ricerca Online | ChatGPT 4 | ChatGPT italiano | OpenAI Playground | Turtles AI

Hugging Face sfida OpenAI con un’iniziativa open source per la ricerca avanzata sul web. Il progetto Open Deep Research mira a replicare le funzionalità di Deep Research, integrando modelli avanzati con un framework agentico. Tuttavia, senza un’alternativa all’LLM proprietario o3 di OpenAI, il divario prestazionale resta evidente.

Punti chiave:

• Open Deep Research: iniziativa di Hugging Face per creare un’alternativa open source a Deep Research di OpenAI.
• Framework agentico: utilizzo di un’architettura avanzata per migliorare le capacità di ricerca e analisi.
• Benchmark GAIA: il progetto ha ottenuto il 55,15% nel test, inferiore al 67,36% di OpenAI.
• Sfida dell’open source: l’assenza di un equivalente del modello o3 limita la competitività rispetto a soluzioni proprietarie.

La recente competizione tra OpenAI e Hugging Face nel settore della ricerca AI ha visto l’emergere di un progetto ambizioso: Open Deep Research, un’iniziativa volta a fornire un’alternativa aperta al potente sistema Deep Research di OpenAI. Quest’ultimo, rivelato durante un evento dedicato, si distingue per la capacità di esplorare il web e generare report dettagliati su svariati argomenti, ma è accessibile solo agli utenti del piano ChatGPT Pro a 200 dollari mensili. In risposta, un team di ricercatori di Hugging Face, tra cui Thomas Wolf, ha sviluppato un modello agentico open source capace di interagire con il web, leggere file e compiere analisi avanzate. Tuttavia, pur sfruttando il modello o1 di OpenAI per le fasi iniziali, il progetto si scontra con la limitazione della mancanza di un’alternativa open a o3, l’LLM alla base di Deep Research, che si distingue per prestazioni superiori nella gestione di informazioni complesse.

Open Deep Research si basa su un framework agentico che guida il modello AI nell’uso di strumenti avanzati, tra cui un browser testuale e un modulo per l’analisi di file. Questo approccio, unito all’impiego di agenti di codice per ottimizzare l’esecuzione dei task, ha permesso di migliorare le prestazioni rispetto a precedenti implementazioni open source. Sulla piattaforma di benchmark GAIA, utilizzata per valutare assistenti AI avanzati, il progetto ha ottenuto un punteggio del 55,15%, inferiore ma comunque competitivo rispetto al 67,36% di OpenAI. Il divario prestazionale è attribuibile in gran parte alla superiorità di o3, che attualmente non ha rivali open source in grado di eguagliarlo.

L’integrazione di agenti di codice rappresenta un passo avanti significativo: l’utilizzo di codice per orchestrare azioni consente una maggiore efficienza rispetto ai tradizionali formati basati su JSON, riducendo i passaggi necessari e ottimizzando i costi computazionali. Inoltre, l’impiego di strumenti modulari come Magentic-One di Microsoft Research ha facilitato lo sviluppo di un sistema in grado di navigare autonomamente sul web, estrarre informazioni e compiere analisi dettagliate. Nonostante ciò, per raggiungere la parità con Deep Research, il progetto necessita di miglioramenti, tra cui l’adozione di un browser con capacità visive e un’interazione più avanzata con fonti esterne.

Parallelamente, Hugging Face ha lanciato Open-R1, un’iniziativa volta a creare un’alternativa open source al modello di ragionamento R1 di DeepSeek. Questo progetto ha già ottenuto ampio supporto dalla comunità, raccogliendo oltre 10.000 stelle su GitHub in pochi giorni. A differenza di R1, Open-R1 punta a rendere completamente trasparente il processo di addestramento e i dataset utilizzati, garantendo un maggiore controllo e riducendo il rischio di bias. Finanziato da un fondo cinese, R1 ha dimostrato di poter competere con il modello o1 di OpenAI in diversi benchmark, offrendo prestazioni solide in ambiti come la fisica e la matematica grazie alla sua capacità di verifica dei fatti.

Mentre la ricerca AI open source continua a evolversi, la sfida principale resta quella di colmare il divario con i modelli proprietari di OpenAI.

Se da un lato Open Deep Research rappresenta un passo importante verso una maggiore accessibilità degli strumenti di ricerca avanzata, dall’altro la necessità di un LLM aperto in grado di competere con o3 è importante per garantire una reale alternativa alle soluzioni chiuse.