最近科研圈出了个大新闻，美国华盛顿大学博士生邵如琳团队搞出的DRTulu深度研究AI助手，直接把科研工具的成本拉到了地板价。
之前用一次OpenAI的深度研究服务要1.8美元，现在DRTulu不到0.002美元就能用，这差距说出来都让人不敢信。
DRTulu最打动人的地方，就是它把高质量AI研究服务的门槛拉低了。
以前不管是个人研究者还是高校小团队，想用上靠谱的AI科研工具，每月的费用都是笔不小的负担。
现在不一样了，DRTulu单次使用成本连两厘钱都不到。
更关键的是，它不是随便给你列一堆网页链接就完事。
这种体验以前只有用顶级商用系统才能享受到，现在小团队也能轻松拥有了。
DRTulu的性能也没让人失望，测试下来比所有公开的搜索型AI模型都强，就算跟OpenAI、谷歌的顶级商用系统比也不落下风。
本来想觉得小模型肯定不如大模型，但后来发现DRTulu完全打破了这个认知，“小模型+好方法”照样能做出大成就。
DRTulu能有这么好的表现，核心在于它的训练方法很特别。
研究团队没让它死记硬背一堆问题，而是用了“学徒式”的两步训练法。第一步是找名师带。
团队请了GPT-5这样的顶级AI当老师，让这些老师在回答问题时，把思考、搜索、组织答案的每一步都记下来。
这些记录就成了DRTulu的学习教材，跟着顶级老师学，基本功自然扎得牢。
第二步是实战中进化。光会模仿还不够，研究团队搞了个动态进化的评分标准。
不像传统方法那样用固定的评分表，DRTulu回答问题后，会有专门的AI评分官对比多个答案，动态发现优缺点并更新评分标准。
如此看来，这种方式能让评分更贴合真实水平，也能避免AI为了凑分数投机取巧。
这种AI与评估器协同进化的框架，还解决了行业内一个大难题。
现在很多AI回答问题容易出现“幻觉”，也就是瞎编内容。
对科研人员来说，这种靠谱的特质比什么都重要。
光说不练假把式，DRTulu的实力在实战中得到了充分验证。
研究团队在学术、医疗等四个领域的基准测试里，它都达到了当前最优水平，和OpenAI的深度研究系统表现相当。
更厉害的是它的跨领域能力。
DRTulu之前没专门学过这个领域，却依然表现出很强的能力，能清晰解释基因变异的致病机理。
虽然在最终答案的准确性上，比最强商用大模型系统略逊一筹，但它的证据支持做得更出色。
最让人惊喜的是，研究团队把DRTulu完全开放了。
这种开源精神，让全球的科研人员都能用上这款工具，还能参与到它的优化迭代中。
DRTulu的出现，不仅是一款优秀AI工具的诞生，更推动了科研普惠的进程。以前被成本和技术壁垒挡在门外的小团队，现在有了平等的科研创新机会。
相信随着这类开源AI工具的不断发展，科研圈会出现更多创新成果，让知识的探索变得更高效、更公平。
热门跟贴