#deepresearch — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #deepresearch, aggregated by home.social.
-
【Google】Gemini「Deep Research」とは？料金、使い方、性能を検証レビュー！ – AI Market https://www.yayafa.com/2842377/ #AgenticAi #AI #AI検索 #ArtificialGeneralIntelligence #ArtificialIntelligence #DeepResearch #DeepMind #Gemini #Google #GoogleAI #GoogleDeepMind #GoogleGemini #LLM #エージェント型AI #人工知能 #汎用人工知能 #生成AI
-
#MissKittyPolitics #AI #Research
I'm attempting to run the research prompt that is not that complicated of a prompt with no attachments in #Google #Gemini 3.1 Pro #DeepResearch and this is the 5th time that it's told me that I can leave the chat and it will execute the prompt. -
Los nuevos límites de Gemini fallaron y Google tuvo que dar marcha atrás
Apenas una semana después de presentar en el Google I/O 2026 su nuevo sistema de límites de uso basado en poder de cómputo, Google se vio obligado a aplicar parches de urgencia tras una avalancha de quejas: usuarios suscriptores pagos reportaban que un solo prompt de generación de video consumía toda su cuota antes de que el video siquiera terminara de generarse.
https://twitter.com/joshwoodward/status/2060171610922058142
Google tuvo una semana complicada con Gemini. En el Google I/O 2026, la compañía presentó un nuevo sistema de límites de uso basado en poder de cómputo, reemplazando el modelo anterior que contabilizaba cada prompt por igual. La idea sonaba razonable sobre el papel: medir cuánto procesamiento consume cada solicitud en lugar de contar interacciones individuales. Luego los usuarios lo pusieron a prueba, y el rechazo fue inmediato.
Los casos más extremos resultaron difíciles de ignorar. Un suscriptor del plan Google AI Pro publicó un video como prueba mostrando cómo un único intento de generación de avatar consumió toda su cuota de cinco horas antes de que el video terminara de generarse. No fue el único: las primeras reacciones al cambio fueron mayoritariamente negativas, con usuarios cuestionando incluso la forma en que Google comunicó el nuevo sistema, que comparaba el plan Pro contra el nivel gratuito en lugar de explicar qué ofrecía en relación a lo que el propio plan Pro ofrecía antes.
El nuevo esquema, que entró en vigor el 20 de mayo, funciona de la siguiente manera: los límites se renuevan cada cinco horas hasta alcanzar un tope semanal, y el cálculo de consumo toma en cuenta la complejidad del prompt, las funciones utilizadas y la extensión de la conversación. Las tareas que más cuota consumen incluyen generación de imágenes, videos y música, Deep Research, el modelo Pro y las funciones de pensamiento extendido como Deep Think.
La respuesta de Google llegó rápido. Josh Woodward, líder del equipo de Gemini, anunció públicamente que Google está aplicando un tope al máximo de cuota que un solo prompt puede consumir al usar Gemini 3.1 Pro, de modo que una solicitud pesada no pueda agotar el presupuesto completo de una sesión. Además, Google confirmó que en el futuro los usuarios de la app de Gemini podrán comprar créditos de IA de pago por uso para continuar trabajando una vez alcanzado el límite, sin tener que esperar el reinicio de la cuota.
El contexto de fondo es relevante: el cambio llega menos de un mes después de que GitHub reformulara su plan Copilot, también abandonando un modelo de solicitudes fijas para adoptar «AI Credits» basados en tokens realmente utilizados. La tendencia es clara: los planes de tarifa plana para IA generativa están llegando a su límite natural frente a la creciente demanda de funciones computacionalmente intensivas. La pregunta que queda es si los usuarios pagarán más o simplemente utilizarán menos.
#AIUltra #cómputo #DeepResearch #gemini #GeminiPro #google #GoogleAI #GoogleIO2026 #IA #InteligenciaArtificial #JoshWoodward #limitesdeuso #PORTADA #Suscripciones #tecnologia -
Googles-new-deep-research-and-deep-research-max-agents-can-search-the-web-and-your-private-data venturebeat.com/technology/goo… #AI #Google #Gemini #DeepResearch #MCP
-
🔍 Tired of paying thousands for market research that takes weeks?
Meet Grep — your on-demand team of AI research experts.
Forget hiring consultants. Grep gives you access to 19 PhD-level specialists across 16 categories — from market #research and competitive intelligence to customer vetting — all working simultaneously, all available right now.
#AIResearch #MarketResearch #DeepResearch
🧠 What makes Grep different:
- Deep competitor research without the analyst price tag🧵 👇
-
Deep Research, Shallow Agency: What Academic Deep Research Can and Can't Do" | Aaron Tay's Musings about Librarianship
Predefined handcrafted #deepsearch system vs agentic adaptative #deepresearch
#academic #scientific #ai
https://aarontay.substack.com/p/how-agentic-are-academic-deep-research -
OpenAI poliert die KI-Recherche: Deep Research in ChatGPT läuft jetzt auf GPT-5.2, liefert Vollbild-Reports mit Inhaltsverzeichnis & Quellen und lässt gezielt Websites priorisieren. Mehr Kontrolle statt „Wischi-waschi“ – aber kein Freibrief für unkritische KI-Outputs. #DeepResearch #KI #ChatGPT | t3n https://t3n.de/news/update-deep-research-chatgpt-1729113/?xing_share=news
-
https://winbuzzer.com/2026/02/11/chatgpt-deep-research-gpt-52-upgrade-xcxwbn/
ChatGPT Deep Research Gets GPT-5.2 Model Upgrade
#AI #ChatGPT #OpenAI #GenAI #AIAssistants #AIResearch #AITools #DeepResearch
-
OpenAI hat Deep Research auf GPT-5.2 migriert. Das Update bringt Site-Specific Search, um Quellen auf verifizierte Domains zu beschränken. Zudem erlauben App Connectors den Zugriff auf Daten aus Drittanbieter-Anwendungen. Nutzer können laufende Suchprozesse nun in Echtzeit stoppen oder korrigieren. Die Ausgabe erfolgt in einer neuen Vollbildansicht. #OpenAI #DeepResearch #GPT52
https://www.all-ai.de/news/news26top/openai-deepresearch-new -
OpenAI just upgraded ChatGPT’s Deep Research mode with a built‑in document viewer and a jump‑to‑section table of contents. Now you can scroll through PDFs, slide decks, or web pages and hop straight to the part you need—making AI‑assisted research smoother than ever. Find out how this changes the workflow for developers and scholars alike. #ChatGPT #DeepResearch #AIResearch #DocumentViewer
🔗 https://aidailypost.com/news/chatgpt-deep-research-tool-adds-built-in-viewer-jump-to-section-toc
-
Deep Research without Deep Pockets.
I pulled apart the premium “Deep Research” tools to see what they actually do, then built the same workflow locally without needing a huge model or huge spend.
The trick: make the pipeline do the hard work (search + reduce + evidence), so the LLM mostly just writes.
Part 5 of the DocSummarizer series: https://www.mostlylucid.net/blog/doomsummarizer-deep-research
What’s your best technique for reducing “model made it up” without just throwing a bigger model at it?
#rag #llm #deepresearch #ai #llm #lucene -
🚧 DoomSummarizer (PREVIEW / ALPHA)
I’ve been distilling the lucidRAG principles (hybrid search, entity extraction, knowledge graph + evidence-grounded synthesis) into a console-first, local-first research assistant + personal knowledge base.Think 'big boy's Deep Research running on a laptop with local llms'.
It’s a CLI that can:
Scroll: fetch + rank news/search into a digest / deep-dive / newsletter
Ask: interactive Q&A over your stored evidence
Crawl: index any site (incremental with ETags)
Page: summarise a single URL
Long-form: multi-section articles with grounding + validation
MCP server: expose KB/search/entity graph to agents
Runs fully offline after first model download (no API keys needed for default sources). Cloud LLM/search providers are optional + budget controlled.
End of this post is DoomSummarizer… summarising its own README. 🙂https://github.com/scottgal/lucidrag/releases
doomsummarizer page "https://www.mostlylucid.net" --name doom
doomsummarizer scroll "Tell me about DoomSummarizer" --name doom
-
ИИ-агенты: как мы сделали DeepResearch по корпоративным данным и кодовой базе
ИИ‑агенты — очень горячая тема. Кажется, все их делают, но также кажется, что реальную пользу приносит только небольшая часть. Один из основных удачных примеров — DeepResearch, глубокий поиск, отвечающий на сложные вопросы. Многие им пользуются в ChatGPT или Perplexity, но у внешних решений нет доступа к нашим корпоративным данным, поэтому мы сделали свой DeepResearch и сэкономили время сотрудников компании. Меня зовут Сергей Скородумов, я руководитель отдела поисковых сервисов. В статье расскажу про ИИ‑агентов в целом, как мы делали своего, за счёт чего растили его качество и какие главные выводы сделали.