-
日期: 2026-03-31 | 來源: 新智元 | 有0人參與評論 | 專欄: 微軟 | 字體: 小 中 大
單模型時代，結束了。
剛剛，微軟把Copilot的引擎換了，在Researcher中引入多模型智能。
從此，Copilot的Researcher智能體，默認同時調用GPT和Claude。
這不是讓你手動切模型的那種“多模型”，而是GPT寫完初稿，Claude自動扮演專家評審員逐條審查，審完再交付給你。
壹個負責“沖鋒”，壹個負責“挑刺”。
微軟表示，這是Microsoft 365 Copilot深度研究代理Researcher邁出的重要壹步。
Researcher專為在工作流程中處理復雜研究而設計，這次通過兩項全新的多模型能力：“批判”（Critique）和“智囊團”（Council），進壹步提升了准確性、深度和可信度。
實測效果驚人。
在DRACO基准測試中，這套“雙模型互搏”架構綜合得分比此前壹直被視為深度研究天花板的Perplexity Deep Research（搭載Claude Opus 4.6）高出13.8%。
但這還不是全部。
同壹天上線的Copilot Cowork，微軟表示是把支撐Claude Cowork的技術平台引入了Microsoft 365 Copilot，並與Work IQ、企業權限和治理體系深度整合，讓AI能自主規劃、跨工具推進多步任務。
這已經不是“接了個API”那麼簡單，而是在把外部前沿智能體能力，納入微軟自己的工作系統。
微軟的牌面已攤開：不把賭注壓在單壹模型上，而是把Anthropic、OpenAI等前沿模型納入Copilot的多模型編排框架。
也就是說，Copilot正在從傳統AI助手，升級成壹個面向企業工作的多模型執行與編排系統。
Critique讓AI自己審自己的作業
過去的AI研究工作流有壹個結構性盲區：規劃、檢索、綜合、撰寫全部壓在壹個模型上。
讓模型既當運動員又當裁判，這樣幻覺幾乎是必然的。
微軟這次給出的解法是：把“生成”和“評估”拆成兩個獨立角色。
具體到大模型，是讓GPT負責上半場：任務規劃、迭代檢索、起草初稿；Claude負責下半場：以專家評審員的身份，基於結構化評價量表（Rubric）逐條審查。
這個量表主要聚焦叁個維度：
來源可靠性評估，審查引用是否權威、可驗證；
報告完整性，檢查是否覆蓋了用戶請求的所有意圖；
嚴格的證據溯源，要求每壹個關鍵結論都錨定到帶有精確引用的可靠來源。
更關鍵的是，審閱者的定位不是“第贰作者”，而是“同行評審”。它不替你重寫，而是逼你寫得更好。
微軟365和Copilot企業副總裁Nicole Herskowitz說：“我們不是簡單地在Copilot裡塞了多個模型，我們是讓客戶真正享受到模型協同工作的好處。”
未來這套機制還會升級為雙向互審：GPT也能審Claude的稿。
Critique已經是Researcher的默認模式，無需手動開啟。
其實，這算不上什麼技術花活，而是把學術界運行了幾百年的同行評審制度，第壹次工程化地嵌進了AI系統。
用架構設計來壓制幻覺，而不是壹味指望單個模型變得更聰明。
DRACO跑分拆解13.8%的含金量
數據不說謊。
DRACO（深度研究准確性、完整性和客觀性）是由Perplexity和學術界研究人員於2026年2月推出的基准測試，覆蓋10個領域、100項復雜研究任務，全部源自真實使用場景。
每個問題經過5次獨立運行取均值，評估維度包括事實准確性、分析廣度和深度、表達質量、引用質量肆項。
評委模型是GPT-5.2。
微軟特別強調，采用了與基准論文完全壹致的評估協議和配置，確保“同口徑”公平對比。
搭載Critique的Researcher綜合得分實現了+7.0分（SEM±1.90）的顯著提升，比此前表現最好的Perplexity Deep Research高出13.88%。- 新聞來源於其它媒體，內容不代表本站立場！
-
原文鏈接
原文鏈接:
目前還沒有人發表評論, 大家都在期待您的高見