0.002美元開源AI助手性能媲美OpenAI商用系統(tǒng)

最近科研圈出了個大新聞，美國華盛頓大學博士生邵如琳團隊搞出的DRTulu深度研究AI助手，直接把科研工具的成本拉到了地板價。

之前用一次OpenAI的深度研究服務要1.8美元，現(xiàn)在DRTulu不到0.002美元就能用，這差距說出來都讓人不敢信。

DRTulu最打動人的地方，就是它把高質(zhì)量AI研究服務的門檻拉低了。

以前不管是個人研究者還是高校小團隊，想用上靠譜的AI科研工具，每月的費用都是筆不小的負擔。

現(xiàn)在不一樣了，DRTulu單次使用成本連兩厘錢都不到。

更關(guān)鍵的是，它不是隨便給你列一堆網(wǎng)頁鏈接就完事。

這種體驗以前只有用頂級商用系統(tǒng)才能享受到，現(xiàn)在小團隊也能輕松擁有了。

DRTulu的性能也沒讓人失望，測試下來比所有公開的搜索型AI模型都強，就算跟OpenAI、谷歌的頂級商用系統(tǒng)比也不落下風。

本來想覺得小模型肯定不如大模型，但后來發(fā)現(xiàn)DRTulu完全打破了這個認知，“小模型+好方法”照樣能做出大成就。

DRTulu能有這么好的表現(xiàn)，核心在于它的訓練方法很特別。

研究團隊沒讓它死記硬背一堆問題，而是用了“學徒式”的兩步訓練法。第一步是找名師帶。

團隊請了GPT-5這樣的頂級AI當老師，讓這些老師在回答問題時，把思考、搜索、組織答案的每一步都記下來。

這些記錄就成了DRTulu的學習教材，跟著頂級老師學，基本功自然扎得牢。

第二步是實戰(zhàn)中進化。光會模仿還不夠，研究團隊搞了個動態(tài)進化的評分標準。

不像傳統(tǒng)方法那樣用固定的評分表，DRTulu回答問題后，會有專門的AI評分官對比多個答案，動態(tài)發(fā)現(xiàn)優(yōu)缺點并更新評分標準。

如此看來，這種方式能讓評分更貼合真實水平，也能避免AI為了湊分數(shù)投機取巧。

這種AI與評估器協(xié)同進化的框架，還解決了行業(yè)內(nèi)一個大難題。

現(xiàn)在很多AI回答問題容易出現(xiàn)“幻覺”，也就是瞎編內(nèi)容。

對科研人員來說，這種靠譜的特質(zhì)比什么都重要。

光說不練假把式，DRTulu的實力在實戰(zhàn)中得到了充分驗證。

研究團隊在學術(shù)、醫(yī)療等四個領(lǐng)域的基準測試里，它都達到了當前最優(yōu)水平，和OpenAI的深度研究系統(tǒng)表現(xiàn)相當。

更厲害的是它的跨領(lǐng)域能力。

DRTulu之前沒專門學過這個領(lǐng)域，卻依然表現(xiàn)出很強的能力，能清晰解釋基因變異的致病機理。

雖然在最終答案的準確性上，比最強商用大模型系統(tǒng)略遜一籌，但它的證據(jù)支持做得更出色。

最讓人驚喜的是，研究團隊把DRTulu完全開放了。

這種開源精神，讓全球的科研人員都能用上這款工具，還能參與到它的優(yōu)化迭代中。

DRTulu的出現(xiàn)，不僅是一款優(yōu)秀AI工具的誕生，更推動了科研普惠的進程。以前被成本和技術(shù)壁壘擋在門外的小團隊，現(xiàn)在有了平等的科研創(chuàng)新機會。

相信隨著這類開源AI工具的不斷發(fā)展，科研圈會出現(xiàn)更多創(chuàng)新成果，讓知識的探索變得更高效、更公平。