Google 推出 Deep Research Max：支援 MCP 連私有資料，圖表直接內嵌

如果你讓 AI 寫一份行業研究報告，過去的體驗大概是這樣的：它很快給你吐出幾千字，乍看挺像回事，仔細一看全是網上的二手車軲轆話，既看不了受許可權保護的專業資料庫，也不會畫圖。

Google 剛剛把這個體驗往前推了一大步。它們在 Gemini API 的 Interactions API 裡上線了新一代自主研究智慧體，而且直接拆成了兩個版本：注重速度的 Deep Research，以及拼深度和推理的 Deep Research Max。兩者都基於 Google 最新的 Gemini 3.1 Pro 構建，目前已經在付費層級開啟公開預覽。

一個負責幹快活，一個通宵寫長篇

Google 這次把研究場景分得很清楚。

普通的 Deep Research 替代了去年 12 月釋出的早期預覽版，重點在壓低延遲和呼叫成本，適合直接塞進需要使用者即時等待的互動介面裡。

Deep Research Max 則是給重度分析準備的。它用上了所謂的擴充套件測試時計算，也就是讓模型多花時間，在後臺反覆做多輪推理、檢索、交叉比對和自我修正。Google 舉的例子很接地氣：分析師下班前掛一個定時任務，讓它通宵跑盡調，第二天上班就能拿到一份結構完整、帶權威引注的長篇報告。

在這個過程中，你還可以做協同規劃。智慧體在正式開跑前會先給出一份研究計劃，由你稽核和調整調研範圍，省得它一開始就跑偏。

接入專業資料庫，而且自己會畫圖了

相比上一代只會抓公開網頁，這次最大的變化是打破了資料孤島。

兩個版本都正式支援了 MCP 協議，可以直接安全連線企業的私有資料和垂直行業流。如果你只想在內部資料庫裡做研究，甚至可以直接關掉公開網路搜尋，只查自己的檔案。Google 目前已經在跟 FactSet、S&P Global 以及 PitchBook 合作，為金融行業專門設計 MCP 服務端。

另一個很實際的升級是原生製圖。它生成的分析報告不再只有乾巴巴的純文字，而是能直接在正文裡用 HTML 或 Nano Banana 生成高精度的原生圖表和資訊圖。

在輸入端，它也支援把 PDF、CSV、圖片、音訊甚至影片混在一起作為參考材料。研究過程中，系統還會通過即時流式傳輸輸出中間思考摘要，讓你隨時看清它查到了哪一步、邏輯怎麼推進。

為什麼重要

我們認為，Deep Research 尤其是 Max 版本的推出，讓 AI 研報真正從玩具走向了工作流基建。

對於投研、諮詢、醫藥研發等垂直領域的分析師來說，過去最大的痛點是公網資訊不夠硬、內部資料喂不進。現在通過 MCP 連上 FactSet 或 PitchBook，再配合支援音影片和表格的多模態輸入，AI 終於能夠觸碰到真正有商業價值的私域資料。即使你只把它當作一個初稿生成器，也能省去大量蒐集公開財報和行業資料的枯燥工時。

這一步走得相當聰明。Google 沒有單純去刷打榜分數，而是精準抓住了專業機構最看重的兩個死穴：資料許可權和交叉驗證。拉來 S&P Global 和 FactSet 站臺，說白了就是在告訴金融和醫療行業，你可以把高價值的嚴謹任務交過來。

但隱患也很明確。Max 版本依賴大量的測試時計算和多輪反思，雖然分析質量提高了，但呼叫成本和等待時間必然顯著上升，企業需要自己衡量投入產出比。此外，把多方資料來源彙總在一起後，一旦原始資料本身有衝突，模型最終的權衡判斷到底能不能完全免責，在強監管行業依然需要人肉把關。