Di Mana Riset Mendalam di ChatGPT? Tinjauan Profesional

Selama tahun 2024–2025, ChatGPT dan model saudaranya beralih dari LLM percakapan murni menjadi menawarkan layanan end-to-end penelitian mendalam Kemampuannya: pengambilan data dengan bantuan peramban, sintesis bentuk panjang, ekstraksi bukti multimoda, dan kontrol keamanan yang terintegrasi erat. Sekarang kita akan membahas apa itu penelitian mendalam dan di mana kita bisa mendapatkannya.

Apa itu “Penelitian Mendalam” di ChatGPT?

"Deep Research" adalah fitur yang diproduktifkan di ChatGPT yang melampaui sesi Tanya Jawab satu putaran: Anda memberikan perintah riset (misalnya, "survei karya terbaru di XX, rangkum metode kunci, dan berikan sitasi yang dapat direproduksi"), dan sistem secara otomatis mengambil dokumen web, membaca dan mengekstrak bukti, menggabungkan sudut pandang yang bertentangan, dan menghasilkan laporan terstruktur dan terreferensi. Fitur ini menggabungkan penelusuran, pengambilan dokumen, dan sintesis menjadi satu alur sehingga pengguna mendapatkan pengalaman asisten riset yang mendekati manusia, alih-alih balasan yang dihasilkan secara umum.

Mengapa waktunya? data, komputasi, model, dan permintaan produk

Tiga tren yang saling terkait menjadikan Penelitian Mendalam praktis pada tahun 2024–2025:

1. Model multimoda dan penalaran yang ditingkatkan. Model dasar yang lebih baru (seri-o, GPT-4o, dan keluarga GPT-5 yang lebih baru) memberikan penalaran yang lebih kuat dan kemampuan untuk mengikuti instruksi multi-langkah. Hal ini memungkinkan analisis yang lebih mendalam terhadap bukti yang diperoleh.
2. Peralatan untuk penelusuran dan pengambilan yang aman. Antarmuka alat yang lebih baik (kotak pasir, penelusuran klik-tayang, modul pengambilan) dan pola arsitektur seperti pembangkitan augmented pengambilan (RAG) memungkinkan model untuk berkonsultasi dengan sumber eksternal selama sesi. Hasilnya: pengetahuan yang lebih kaya dan dapat diperbarui tanpa pelatihan ulang.
3. Permintaan produk untuk otomatisasi penghematan waktu. Organisasi dan individu menginginkan asisten riset otomatis yang menghasilkan keluaran terstruktur dan mudah dikutip dalam hitungan menit, alih-alih jam — mendorong vendor untuk memproduksikan alur riset sebagai fitur. Peluncuran alat "riset mendalam" khusus oleh OpenAI dan varian ringan selanjutnya mencerminkan daya tarik pasar tersebut.

---

Dimana penelitian mendalam di chatgpt

ChatGPT web/aplikasi:

Penelitian Mendalam adalah ChatGPT bawaan agen (alat/mode khusus) yang secara otomatis menelusuri, membaca, dan mensintesis halaman web, PDF, gambar, dan berkas yang diunggah menjadi laporan penelitian yang dikutip. Alat ini muncul di dalam antarmuka ChatGPT sebagai Penelitian Mendalam opsi (atau melalui “Mode Agen” / pemilih agen) dan tersedia dalam bentuk berjenjang (versi berbayar model penuh ditambah varian “ringan” yang lebih murah diluncurkan ke lebih banyak pengguna). Ini adalah bawaan opsi di komposer ChatGPT - memilih “Penelitian mendalam” dari dropdown komposer/alat (atau dari “mode agen” dalam pembaruan UI yang lebih baru) dan ketikkan kueri penelitian Anda.

Paket Plus/Team/Enterprise/Edu memungkinkan 25 tugas per bulan; Pengguna Pro dapat menjalankan 250 tugas per bulan; Pengguna gratis dapat menjalankan 5 tugas per bulan, dan akan mengaktifkan mode Lightweight Backup setelah mencapai batas kuota.

Langkah cepat:

1. Buka ChatGPT (chatgpt.com / chat.openai.com) dan masuk.
2. Mulai obrolan baru dan lihat pembuat pesan (tempat Anda mengetik). Klik menu tarik-turun mode/alat. Anda akan melihat “Penelitian mendalam” (atau pilih mode agen untuk mengakses fitur visual/agen yang diperbarui).
3. Masukkan perintah Anda dan (opsional) lampirkan file (PDF, spreadsheet, gambar). Riset Mendalam akan berjalan (biasanya 5–30 menit) dan menghasilkan laporan yang dikutip.

Jika Anda tidak melihat tanda “+”, Anda perlu mengetik “/” (hapus “”) di kotak input sebelum perintah, dan kemudian Anda akan melihat analisis mendalam.

Akses API

OpenAI tidak menyediakan API Riset Mendalam. Atau, Anda dapat memilih API Komet , yang menggunakan API riset mendalam chatgpt. Ini adalah platform API agregat pihak ketiga yang menawarkan harga API dengan biaya lebih rendah daripada platform resmi. Gunakan Responses titik akhir untuk memanggil Penelitian Mendalam.

Ada dua model khusus Penelitian Mendalam pada tahun 2025:

• API O3-Deep-Research: o3-deep-research — model penelitian yang lebih kuat dan berkualitas tinggi.
• API Penelitian Mendalam Mini O4: o4-mini-deep-research — versi yang lebih ringan dan berbiaya rendah untuk kueri yang lebih cepat atau lebih sering.

OpenAI mengenakan biaya untuk Penelitian Mendalam berdasarkan penggunaan token (token input dan output), ditambah penggunaan alat (misalnya, pencarian web), serupa dengan model lainnya. CometAPI menawarkan harga 20% dari harga resmi. Berikut detailnya:

Rekomendasi saya

Gunakan ChatGPT Riset Mendalam: ketika kamu menginginkan asisten peneliti lepas tanganAnda mengetik kueri, agen akan melakukan penelusuran web, mensintesis, dan memberikan laporan beserta sitasi. Ini ideal untuk riset ad hoc, ide, atau eksplorasi bisnis/akademis.

Gunakan APInya jika:

• Anda memiliki alur kerja pengembang (misalnya, membuat ringkasan penelitian harian, mengintegrasikan dengan peralatan internal, mengotomatiskan jalur penelitian).
• Anda ahli dalam menangani orkestrasi alat: mengklarifikasi pertanyaan, merayapi, mengelompokkan, dan memproses hasil pasca-proses.
• Anda memerlukan kontrol lebih: Anda dapat menyesuaikan perintah, menangani klarifikasi, menghubungkan alat, dan berintegrasi dengan sistem Anda sendiri.

Bagaimana cara kerja Deep Research di ChatGPT?

Komponen teknis inti (tampilan alur kerja)

Sebuah rangkaian Riset Mendalam yang umum terdiri dari beberapa subsistem:

1. Pemahaman dan dekomposisi kueriSistem pertama-tama mengurai perintah pengguna menjadi sub-tugas (misalnya, menentukan cakupan, menemukan sumber utama, mengekstrak angka, dan mensintesis perselisihan). Dekomposisi eksplisit meningkatkan ketertelusuran untuk tugas-tugas yang panjang dan kompleks.

2. Pengambilan dan penelusuranAsisten ini menggunakan kombinasi indeks yang di-cache, API pencarian web, dan agen penelusuran internal untuk mengambil halaman, PDF, set data, dan cuplikan kode. Pengambilan bukan sekadar proses "top-k"; biasanya mencakup pemeringkatan ulang untuk otoritas dan relevansi, serta ekstraksi cuplikan untuk bukti. Tinjauan ilmiah tentang RAG menunjukkan bahwa pola pengambilan + pembangkitan hibrida ini kini menjadi standar untuk keluaran yang terhubung ke basis data.

3. Penyerapan dokumen & penalaran konteks panjangDokumen-dokumen dipotong-potong, diubah menjadi penyisipan vektor, dan dimasukkan ke dalam model penalaran bersama dengan rangkaian pemikiran atau prompt penalaran deliberatif. Mode penelitian modern memanfaatkan jendela konteks yang lebih panjang (dan terkadang penyempurnaan selektif atau contoh-contoh dalam konteks) untuk menjaga koherensi dalam sintesis multi-sumber.

4. Konsolidasi bukti dan kutipanModel ini mengidentifikasi klaim yang memerlukan dukungan, melampirkan asal-usul (URL, cuplikan kutipan, atau metadata bibliografi), dan menyoroti ketidakpastian. Produk dapat menyediakan bibliografi dan sitasi sebaris atau laporan yang dapat diekspor.

5. Keamanan, penyaringan, dan pemeriksaan yang melibatkan manusia:Sebelum mengirimkan keluaran akhir, modul Penelitian Mendalam menjalankan kebijakan keamanan (menyaring halusinasi, menandai klaim kontroversial, menambahkan peringatan konten) dan terkadang mengarahkan tugas berisiko tinggi ke peninjau manusia atau memerlukan konfirmasi pengguna.

Algoritma dan pendekatan apa yang paling penting saat ini?

• Generasi Augmented Pengambilan (RAG) —masih menjadi inti dari keluaran model landasan dalam bukti eksternal. Tinjauan sistematis menunjukkan bahwa RAG tetap menjadi pendekatan dominan untuk landasan faktual, meskipun perdebatan tentang biaya dan ketahanan masih terus berlanjut.
• Penyelarasan deliberatif / rantai pemikiran — langkah-langkah penalaran internal eksplisit yang digunakan untuk meningkatkan akurasi dan memungkinkan model merujuk spesifikasi keselamatan saat menjawab.
• Pengambilan terstruktur grafik (GraphRAG dan variannya) — mengintegrasikan pengetahuan relasional dan koneksi multi-hop untuk menghasilkan bukti yang lebih relevan dan kontekstual. Ini merupakan area penelitian yang aktif pada tahun 2024–2025.
• Kerangka kerja agen —agen pengontrol kecil yang mengorkestrasi langkah-langkah penelusuran, ekstraksi, verifikasi, dan peringkasan kini umum digunakan dalam alur Riset Mendalam produksi. Pengontrol ini mengurangi kerapuhan ujung ke ujung.

keterbatasan dan masalah keselamatan/etika

Seberapa dapat dipercaya keluarannya (halusinasi dan kesalahan atribusi)?

Meskipun Deep Research meningkatkan tingkat sitasi dibandingkan dengan perintah sederhana, model masih berhalusinasi fakta dan salah mengatribusikan klaim, terutama untuk kueri bersinyal rendah atau ketika sumber tepercaya berada di balik paywall. Pengumuman dan pelaporan produk mengakui batasan ini; varian model yang lebih ringan dan murah juga meningkatkan risiko jawaban yang lebih pendek dan kurang didukung jika digunakan tanpa kehati-hatian.

Apa saja risiko kesehatan mental dan sosial yang terkait dengan ketersediaan yang luas?

OpenAI dan pelaporan independen mengungkapkan serangkaian risiko bahaya sosial yang cukup signifikan. Laporan publik menunjukkan bahwa interaksi mingguan yang substansial dengan ChatGPT mencakup ide bunuh diri atau gejala psikosis; angka tersebut telah mendorong pengawasan, litigasi, dan perhatian regulatori. Insiden-insiden ini menggarisbawahi bahwa Riset Mendalam—terutama ketika digunakan untuk konteks konsultasi atau terapi—harus dikombinasikan dengan pengamanan, penunjuk arah kepada pakar manusia, dan pernyataan penyangkalan yang jelas.

Bagaimana dengan bias, penyalahgunaan, dan manipulasi yang bersifat adversarial?

Riset Mendalam dapat dimanipulasi oleh pihak-pihak yang mengoptimalkan konten web untuk sinyal-sinyal yang menyesatkan (SEO, sumber-sumber yang tidak relevan), atau oleh kelompok-kelompok yang sengaja menyebarkan misinformasi untuk memengaruhi sintesis. Oleh karena itu, riset tentang pengambilan data yang tangguh terhadap pihak lawan, verifikasi asal-usul, dan pelatihan model yang memperhatikan asal-usul sangatlah penting.

Kekhawatiran privasi dan hak cipta

Pengikisan, pengindeksan, dan peringkasan penelitian berbayar atau berhak cipta menimbulkan pertanyaan hukum dan etika. Tim produk sedang menjajaki korpus berlisensi, izin, dan tanda air untuk mengatasi masalah ini; penelitian tentang batasan penggunaan wajar untuk peringkasan otomatis sedang berlangsung.

Kesimpulan

Riset mendalam di ChatGPT bukanlah laboratorium tunggal atau teknik tunggal; melainkan upaya berlapis yang mencakup pengambilan dan pembumian, penyelarasan melalui penalaran, interaksi multimoda dan waktu nyata, rekayasa model yang efisien, serta sistem/infrastruktur yang memungkinkan eksperimen ini dalam skala besar. Peluncuran produk terbaru (fitur "riset mendalam" dan seri GPT yang ditingkatkan), riset perusahaan tentang penyelarasan deliberatif, karya akademis aktif pada model RAG dan agen, dan investasi infrastruktur besar-besaran bersama-sama memetakan wilayah di mana bidang ini menempatkan taruhannya saat ini.

Saat ini, penelitian mendalam dapat digunakan melalui ChatGPT dan API, masing-masing memiliki kelebihan dan kekurangannya sendiri.

Pengembang dapat mengakses API Penelitian Mendalam Mini O4 dan API O3-Deep-Research melalui CometAPI, versi model terbaru selalu diperbarui dengan situs web resmi. Untuk memulai, jelajahi kemampuan model di tempat bermain dan konsultasikan Panduan API untuk petunjuk terperinci. Sebelum mengakses, pastikan Anda telah masuk ke CometAPI dan memperoleh kunci API. API Komet menawarkan harga yang jauh lebih rendah dari harga resmi untuk membantu Anda berintegrasi.

Siap untuk berangkat?→ Daftar ke CometAPI hari ini !

Jika Anda ingin mengetahui lebih banyak tips, panduan, dan berita tentang AI, ikuti kami di VK, X dan Discord!