1. 首頁 > 生活百科 > >

阿里開源通義DeepResearch：登頂開源Agent模型榜首

阿里巴巴

阿里開源通義DeepResearch：登頂開源Agent模型榜首

文章圖片


快科技9月17日消息 ， 今日凌晨 ， 阿里開源旗下首個深度研究Agent模型——通義DeepResearch ， 并登頂開源第一 。

該模型在HLE、BrowseComp-zh、GAIA等多個權威評測集上取得SOTA成績(State-of-the-art) ， 超越OpenAI Deep Research、DeepSeek-V3.1等Agent模型 。
目前 ， 通義DeepResearch的模型、框架和方案均已全面開源 ， 用戶可在Github、Hugging Face和魔搭社區社區下載模型和代碼 。

作為當前研究熱點 ， “深度研究”的現有方法通常是“單窗口、線性累加”的信息處理模式 ， 所有中間思路和檢索到的信息堆積在單一上下文中 。
【阿里開源通義DeepResearch：登頂開源Agent模型榜首】當處理長周期任務時 ， Agent會面臨“認知空間窒息”和“不可逆的噪聲污染”的挑戰 ， 導致推理能力下降 ， 最終難以完成真正長程、復雜的研究任務 。
為此 ， 通義團隊構建了一套以合成數據驅動、貫穿預訓練與后訓練的完整訓練鏈路 。
該鏈路以Qwen3-30B-A3B模型為基座進行優化 ， 團隊創新性地設計了覆蓋真實環境與虛擬環境的RL算法驗證與真實訓練模塊 ， 并結合高效異步強化學習算法及自動化數據策展（Data Curation）流程 ， 顯著提升了模型的迭代速度和泛化能力 。
在推理階段 ， 團隊設計了ReAct和基于自研的IterResearch的Heavy兩種模式 。
前者用于精準考察模型的基礎內在能力 ， 后者則通過test-time scaling策略 ， 充分挖掘并展現了模型所能達到的性能上限 。
即使在長任務中 ， 也能實現高質量的推理 。
目前 ， 在Humanity's Last Exam（HLE）、BrowseComp、BrowseComp-ZH、GAIA、xbench-deepsearch、WebWalkerQA以及Frames等權威Agent評測集上 ， 通義DeepResearch模型以3B激活參數 ， 性能超越基于OpenAI o3、DeepSeek V3.1和Claude-4-Sonnet等旗艦模型的ReAct Agent 。
今年以來 ， 阿里已連續開源WebWalker、WebDancer和WebSailor等多款檢索和推理智能體 ， 并全部斬獲開源SOTA成績 。

    推薦閱讀