Deep Research Pro Preview (Dec-12-2025)
нейросеть
Характеристики
- Входные данные
- текст, изображения, документы
- Результат
- текст
- Размер контекста
- 200 000 токенов
- Макс. длина ответа
- 32 000 токенов
- Возможности
- Batch API
Стоимость промпта
(за 1M токенов)
Стоимость ответа
(за 1M токенов)
Картинка-промт
(за 1K токенов)
import OpenAI from 'openai';
const openai = new OpenAI({
apiKey: '<your bothub access token>',
baseURL: 'https://openai.bothub.chat/v1'
});
// Sync - Text generation
async function main() {
const chatCompletion = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'deep-research-pro-preview-12-2025',
});
}
// Async - Text generation
async function main() {
const stream = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'deep-research-pro-preview-12-2025',
stream: true
});
for await (const chunk of stream) {
const part: string | null = chunk.choices[0].delta?.content ?? null;
}
}
main();
Как работает Deep Research Pro Preview (Dec-12-2025)?
Частые вопросы о Deep Research Pro Preview (Dec-12-2025)
Вы можете использовать результаты генерации в коммерческих целях. Все права на созданный контент принадлежат вам. Единственное ограничение: убедитесь, что в запросе не использовались защищённые авторским правом материалы третьих сторон. Ответственность за соблюдение прав на входные данные лежит на пользователе.
Deep Research Pro Preview (Dec-12-2025) работает с текстом, документами и изображениями: извлекает и генерирует текст, обрабатывает большие контексты и поддерживает пакетную обработку. Подходит для анализа длинных документов, подготовки сводок, исследовательских задач и обработки больших объёмов данных.
Модель может генерировать до 32000 токенов вывода за один ответ, что позволяет создавать объёмные отчёты и длинные документы в одном запросе. Конверсия в слова зависит от формата и языка, учитывайте общий контекстный лимит при планировании вывода.
В наших данных не отмечено, что модель даёт явные цепочки рассуждений перед выводом. Это не означает невозможности комплексной логики в ответах — лучше протестировать конкретные кейсы и прямо запросить пошаговое объяснение, если вам нужна прозрачность мышления модели.
В наших данных не отмечено однозначной поддержки function calling или нативного механизма вызова функций. Запрос структурированного JSON обычно можно попытаться получить через prompt-инструкции, но для гарантии работы вызывающей логики стоит уточнять у API-документации и тестировать практические сценарии.
Да, модель принимает изображения и документы на вход, что позволяет извлекать текст и контекст из картинок и файлов. Приём аудио и видео в наших данных не отмечен, поэтому для работы с такими форматами рекомендуется уточнять спецификации API.
В данных не указано конкретное качество понимания русского языка. Поскольку модель поддерживает работу с текстом и документами, лучше протестировать её на ваших примерах и оценить адекватность ответов для специализированной лексики, стиля и требований к качеству русского текста.