近日，开发者社区针对 OpenAI 的 Deep Research（深度研究功能）展开了关于“破限”与“降智”的讨论。主要内容包括：首先，用户关注该功能是否存在破限方法，并指出其在实际高强度使用中极其消耗账号资源；其次，社区开始探讨 Plus 版本与 Pro 版本在深度研究能力上的核心差异，以及相关的提示词或工作流优化手段；最后，有用户反映当前的 Deep Research 在经历长时间的思考（Thinking）后，最终仅生成约一页 A4 纸的少量内容，引发了关于该功能是否遭遇“降智”或输出截断的疑虑。对于依赖 AI 进行深度技术调研的开发者而言，理解这些限制并寻找优化方案对提升研究效率至关重要。
近日，开发者社区对 Anthropic 旗下命令行开发工具 Claude Code 新推出的“Deep Research（深度研究）”功能展开热议。有开发者分享了其实际使用体验与遇到的额度瓶颈：在配合 GLM 订阅及社区公益 MCP（Model Context Protocol）搜索工具使用时，仅针对一个问题，Claude Code 就自动触发了超过 500 次搜索 API 调用，导致公益站点的额度瞬间耗尽，且未能完成最终搜索。这一现象引发了开发者对 AI Agent 深度研究模式下资源消耗的担忧。由于 Deep Research 采用多步骤、迭代式的自主搜索与推理机制，其 Token 和 API 消耗量极大。开发者们普遍关心，若使用 Anthropic 官方订阅或 API，是否存在类似的调用限制，以及是否会因额度不足导致研究任务中途中断。这表明，随着 Agent 技术的深入应用，高昂的 API 成本和额度管理正成为开发者必须面对的实际挑战。