微軟升級 Copilot 調研智慧體：引入多模型互審，DRACO 得分漲 13.8%

平時寫深度調研報告，最怕的不是資料不夠，而是自己查漏補缺時根本發現不了盲區。在大模型做長篇調研時，這個毛病更明顯：同一個模型既當作者又當校對，很容易陷入思維定勢，甚至把胡說八道堅持到底。

微軟給 Microsoft 365 Copilot 裡的深度調研智慧體 Researcher 動了一次大手術，正式推出兩項多模型協作功能：Critique 和 Council。這一次，微軟不再讓單一模型包攬全程，而是把 OpenAI 和 Anthropic 等前沿機構的模型拉到了同一張工位上。

一個負責起草，一個專職挑刺

新功能 Critique 的思路很簡單：把「寫文章」和「審文章」徹底拆開成兩條流水線。

過去用 AI 做深度調研，規劃、檢索、綜合分析和正文撰寫通常交給同一個模型。Critique 則分成兩個角色：第一個模型負責深度探索、結構化綜合並撰寫初稿；第二個模型則完全不參與初稿撰寫，而是像學術期刊審稿人一樣，專職找碴和潤色。

第二位稽核模型會拿著預設的標準進行三項硬性檢查：評估來源是否權威可靠、檢查報告內容是否全面完整，以及嚴格核對證據錨定。只要關鍵觀點沒有可靠的引用來源，就會被直接攔截並要求修正。如果你在模型選擇器裡選了 Auto，Critique 就會作為 Researcher 的預設機制執行。

為了驗證效果，微軟採用了 Perplexity 和學術界今年 2 月釋出的 DRACO 深度調研基準，覆蓋 10 個領域的 100 項複雜真實任務。評測呼叫了 OpenAI 的 GPT-5.2 作為裁判模型，每個問題跑 5 次取平均值。

結果顯示，採用 Critique 架構後，Researcher 的綜合得分比單模型提升了 13.8%。細分維度裡，分析廣度與深度提升了 3.33 分，呈現質量提升了 3.04 分，事實準確性也提高了 2.58 分，所有維度的提升均呈現統計顯著。

把各家見解擺上圓桌

除了後臺默默互審的 Critique，微軟這次還拿出了面向前端的 Council 功能。

有些商業決策沒有唯一解，單一模型很容易給出帶偏見的結論。Council 允許使用者把不同前沿模型的調研回覆並排展示在介面上。更實用的是，它還會附上一份說明，直接圈出幾家模型在哪裡達成了共識、在哪些關鍵問題上存在分歧，以及各自拿出了什麼獨特的洞察。

與此同時，微軟還宣佈 Copilot Cowork 正式進入面向嚐鮮企業的 Frontier 計劃。這項技術整合了驅動 Claude Cowork 的底層平臺，專門用來處理日程管理、月度預算審查等跨工具的多步驟長週期任務。金融機構 Capital Group 已經進行了早期測試，用來串聯日常工作流和高管彙報準備。

為什麼重要

對於每天需要處理大量行業分析、競品調研或高管簡報的企業員工來說，深度調研 AI 最大的痛點一直不是寫不出來，而是不可信。人工核查引注和事實的時間，往往比自己寫一份報告還要長。Critique 這種把生成與評估物理拆分的做法，直接用機制降低了幻覺機率，讓 AI 輸出的長篇研報真正達到了可供決策參考的交付門檻。

從行業角度看，微軟這一步走得格外清醒。作為 OpenAI 的最大金主，微軟沒有死守單一模型供應，而是在企業端大方引入 Anthropic 等各家前沿實驗室的模型，讓不同模型各取所長。這也釋放了一個訊號：靠單個超大模型通吃所有環節的時代正在被打破，多模型分工、相互對抗和互審，正逐漸成為企業級 AI Agent 的標準架構。

不過，這種架構也有顯而易見的代價。兩個甚至多個前沿模型串聯互動、反覆校驗，不僅會顯著增加每次調研的等待時間，後臺的推理成本也會成倍翻番。它更適合高價值、對事實要求嚴苛的嚴肅場景；至於日常查個簡單定義或做輕量梳理，這套重灌系統顯然就有點殺雞用牛刀了。