Hugging Face发起一项挑战，尝试在24小时内重现OpenAI最新发表的Deep Research系统，并开源其关键技术。OpenAI在2月初推出Deep Research，结合大型语言模型与代理框架，能够透过网页浏览、资讯整理与多步推理来回答複杂问题。Hugging Face的开源挑战不仅试图验证这套技术的可行性，也希望提供开源替代方案，让开发者能自行部署类似系统。

OpenAI的Deep Research之所以备受瞩目，在于它在GAIA（General AI Assistants）基準测试的表现大幅超越单纯仰赖语言模型的人工智慧系统。根据OpenAI发表的资料，Deep Research在GAIA测试中的单次提示作答準确率达到67％，而即便是最具挑战性的第三级多步推理与工具使用问题，仍可维持47.6％的正确率。不过，OpenAI并未公开其代理框架的细节，这让Hugging Face决定尝试重现相关技术，并释出开源版本，让更广泛的开发者社群能够参与改进。

Hugging Face在24小时内完成第一个版本，以自家开发的smolagents框架为基础，搭配大型语言模型来执行搜寻、资讯整理与多步推理。这个系统能够自主规画解题流程，决定何时查询额外资讯，并以程序码的方式表达执行步骤。相较于OpenAI未公开的技术，这项开源专案强调模组化设计，允许开发者选择不同的语言模型，并且结合使用其他开源工具。

特别的是，Hugging Face的团队选择使用CodeAgent技术来提升代理系统的效率。相较于常用的JSON格式，透过程序码来表达执行步骤，能使推理过程更精简，并减少API呼叫次数，根据研究团队测试结果，改用CodeAgent之后，代理系统在GAIA测试中的表现从46％提升至55.15％。此外，与JSON格式相比，使用Python来描述行动流程也能更直觉地表达逻辑关係，让代理系统能够有效处理多步推理问题。

这项开源计画仍处于早期阶段，儘管在部分测试中已有所进展，但要完整实作OpenAI Deep Research的功能，仍存在许多挑战。特别是在浏览器操作方面，OpenAI採用了名为Operator的进阶网页浏览器，使Deep Research不仅能够深入解析网页内容，还能进行互动式操作。相比之下，Hugging Face的初版开源系统目前仅支援基础的文字网页浏览，尚未具备视觉辨识或更精细的网页互动能力。此外，OpenAI的系统可能还包括内部最佳化的提示词工程与资料检索技术，这些重点细节在开源社群中仍需透过试验逐步改进。