微软365 Copilot Researcher深度研究智能体重大更新 GPT先起草 Claude后批判 引入Critique功能实现多模型协作 准确性完整性显著提升

更新内容

美国科技巨头微软（MSFT.US）周一推出一项针对365 Copilot深度研究智能体（Researcher）的重大更新。该更新允许用户在同一项复杂研究任务中同时调用OpenAI的GPT大模型和Anthropic旗下的Claude大模型，实现多模型协作以提升输出质量。

此次更新聚焦于Researcher代理，新增名为“Critique”（批判）的功能，旨在解决单一模型在深度研究中可能出现的准确性、完整性和引证问题。通过不同模型的分工协作，微软希望为企业用户提供更可靠的研究报告和决策支持。

Critique功能

在实际操作中，“Critique”功能采用清晰的流程分工：首先由OpenAI的GPT模型负责展开研究、收集资料并生成初稿；随后，Anthropic的Claude模型遵循严格的学术研究评审流程，对初稿进行全面审查，包括事实准确性、内容完整性以及引证质量。

Claude审查完成后，将生成最终优化报告并回复给用户。这一“生成+批判”的模式有效分离了内容创作与质量把关环节，避免了单一模型可能存在的幻觉或遗漏问题，显著提高了复杂研究任务的可靠度。

技术原理

微软此次更新体现了多模型智能（multi-model intelligence）的实际应用。Researcher代理不再局限于单一供应商模型，而是根据任务需求智能调用不同大模型的优势。GPT擅长快速生成丰富内容，而Claude在逻辑严谨性、批判性思考和细节审查方面表现出色，两者结合形成互补。

除了Critique功能外，更新还包括Council等多模型能力，允许模型并行工作并由第三方进行差异对比。该架构建立在微软与OpenAI、安卓ropic的深度合作基础上，同时严格遵守企业级安全、合规和数据隐私要求，确保所有输出均 grounding 于用户的企业上下文。

实测表现

根据微软内部测试，在DRACO基准测试（涵盖医学、法律、技术等10个领域的100项复杂研究任务）中，配备Critique功能的Copilot Researcher得分达到57.4分，较Claude Opus 4.6单独表现提升显著，超越了包括Perplexity Deep Research在内的其他顶级系统。

这一结果表明，多模型协作模式在深度研究场景下具有明显优势，尤其适合需要高准确性和严谨引证的企业级应用场景。目前该功能已向加入Microsoft Frontier早期访问计划的用户开放，需要Microsoft 365 Copilot订阅。

多维对比

以下表格对比了新旧Researcher代理及与其他AI研究工具的差异：

编辑总结

微软在365 Copilot Researcher中引入Critique功能，标志着企业AI工具从单一模型依赖向多模型智能协作的转变。这一更新通过GPT与Claude的优势互补，显著提升了复杂研究任务的准确性、完整性和可信度，有望加速Copilot在企业工作流中的深度应用。未来效果将取决于实际企业场景验证及模型持续迭代情况。