新智元报道
编辑：桃子好困
阿里昨晚放大招，正式开源通义 DeepResearch，一举登顶碾压 OpenAI、DeepSeek。模型、框架、方案全部开源，背后核心技术报告一同公开了。
阿里又双叒叕上大分了！
就在昨天，阿里旗下首个深度研究 Agent 模型——通义 DeepResearch 正式开源。
在多项权威基准上，通义 DeepResearch 狂飙 SOTA，仅依靠 30B 参数（激活 3B）就能大杀四方！
在号称人类最后的考试榜单 HLE（Humanity's Last Exam）中，通义 DeepResearch 更是拿下了32. 9%的最高分，超越 DeepSeek-V3.1（29.8%）和 OpenAI DeepResearch（26.6%），霸榜全球第一！
在 OpenAI 提出的超高难度 BrowseComp 榜单上，通义 DeepResearch 以43. 4%的准确率领跑开源榜单。
值得一提的是，模型、框架、方案全面开源，开发者即可在 Hugging Face、GitHub 下载。
目前，GitHub 项目已狂揽7. 2k星。
项目地址：https://github.com/Alibaba-NLP/DeepResearch
Hugging Face 模型地址：https://huggingface.co/Alibaba-NLP/Tongyi-DeepResearch-30B-A3B
ModelScope 模型地址: https://modelscope.cn/models/iic/Tongyi-DeepResearch-30B-A3B
技术博客: https://tongyi-agent.github.io/blog/introducing-tongyi-deep-research/
这波充满了诚意的开源操作和出色性能，直接点燃了 AI 圈！
不仅引来广大网友们纷纷致谢，甚至Hugging Face 联合创始人兼CEOClem Delangue 和斯坦福 NLP 实验室等科技大V在第一时间进行转发关注。
不止于问答：AI 的「研究员」时代
我们已经习惯了 AI 的有问必答，但如果问题本身就无比复杂呢？
AI Deep Research 给出了答案。它彻底告别了「一问一答」的模式，进化为一位真正的「研究员」。面对一个棘手的问题，它会自主规划一条完整的研究路径，像人类专家一样工作：
深度搜寻—多源交叉—结构化归纳—报告生成
你得到的，将是一份真正能解决问题的方案：论据有源可溯，过程清晰可复现，结论掷地有声。
通义 DeepResearch 既可以是你的资深研究员，也能是你的高效私人助手，其首要任务便是将宏大问题精巧地拆解为一系列逻辑清晰的子任务。
随后，它为每个环节自主调用代码分析、论文检索、网页访问等工具，以层层递进、自主循环的方式完成整个研究链路。
说多无用，不如看一些直观的演示。
假设你正在考虑出售房子，想要了解所在地区最近楼盘的销售情况，直接找通义 DeepResearch——
我住在夏威夷的珍珠城，位于瓦胡岛上。
我知道附近有两处房产于 2022 年售出，分别是 Akaikai Loop 2072 号和 Komo Mai Drive 2017 号。
请找出这两处房产中 2022 年售价更高的那套，并告诉我其成交金额。
通义 DeepResearch 分了四步思考：
想要完成任务，第一步就是拆解指令，然后「联网」抓取数据，查询 2022 年房产销售记录，并提取相应的销售价格。
搜索之后，并非一下得出结果，而是在多个来源中，反复核查确认。
在生活规划和日常决策过程中，通义 DeepResearch 主要调用「联网搜索」工具，准确完成了任务。
过程
回答
再来看一个比较专的领域——法律，通义 DeepResearch 的表现又如何？
举个栗子，生活中的法律纠纷经常见，自己又不懂法，想要解决难题扔给 AI 就好了。
假设一个人恰好遇到了「原告要求退还出资，但自己又欠了一屁股债，还有很多债权人」的难题，那么原告是否违反资本维持原则？
在行动之前，通义 DeepResearch 大脑已经有了完整的构思，从问题拆解到工具使用。
接下来，就会看到通义用上了各种工具，获取法条、案例，并查找学术观点，最终收集所有可靠信息。
可以看到，通义执行任务的整个过程非常缜密，方便后期回溯。
过程
回答
再比如，有一个博士级跨学科的难题，自己拿不准，可以请教通义。
考虑这样一个「星座」的数学模型：在一小片天区内，每颗亮于某一特定星等的恒星，都与其最近的邻居（按二维欧几里得距离计算）连接一条边。
假设恒星在天空中均匀分布，那么平均每个星座（即连通子图）包含多少颗恒星？
此处，思考过程省略亿字......
但从通义的表现中，看得出每一步的计算和思考，都是建立在深度搜索、查询，反复验证的过程之上。
除了常用的搜索、浏览工具，它还借用「Python 解释器」、「谷歌学术」等工具帮自己理解，最后给出详细的报告。
那么，通义 DeepResearch 团队是如何炼成「超级研究大脑」？深入技术细节，让我们一一拆解。
从零开始的数据炼金术
高质量数据，是大模型的核心，也仍然是智能体的生命之源。
通义 DeepResearch 团队在反复试错和探索下，构建出一套完备的「智能体合成数据」体系，贯穿预训练与后训练的完整训练链路。
这个策略的终极目标，是摆脱对昂贵且稀缺的人工标注数据的依赖，用「机器生产」的方式，源源不断地创造出比人类标注质量更高、规模更庞大的训练「教材」。
第一步：智能体增量预训练数据合成
在预训练过程中，传统模型更像是一次性填鸭式教学，仍然是「记住知识」。
团队首次引入了「Agentic CPT」（增量预训练） 的概念，教会模型「使用知识」，并且构造了一个能够持续进化和扩展的智能体预训练数据合成方法 AgentFounder。
-
构建开放世界记忆
团队首先将海量知识文档、网页爬虫数据、知识图谱，以及模型后训练产生的思考轨迹和工具使用记录，全部汇集起来，构建了一个庞大的、以实体为核心的「开放世界知识记忆库」。
接着，从这个记忆库中抽取知识点，模拟真实世界中千奇百怪的场景，自动生成无数「问题-答案」对。
-
动作合成
更近一步，他们构建了三种类型的「动作数据」，具体包含规划、推理和决策动作。
这种方法让模型在离线状态下，就能探索海量的推理路径，而无需昂贵的在线 API 调用，大大提升了训练效率和深度。
尤其是，对于「决策动作」合成，会将轨迹重构为多步骤决策过程，充分探索有效的问题解决路径，让模型决策能力大幅提升。
第二步：全自动高质量数据合成
基础打好后，如何让模型「百尺竿头，更进一步」？
在后训练阶段，团队又开发了一套全自动的合成数据生成方案，直接产出比人工标注质量还高的数据集。
从最早的 WebWalker，到后来更系统的 WebSailor，WebShaper，最后的 WebSailor V2 这一方案不断迭代。
每一步，都 Scaling 了数据的质量和规模。
为了生成复杂的问答对数据，他们开创了一个全新流程：
-
确保数据真实
从真实网站数据中提取信息，用上随机游走构建知识图谱、表格数据融合等方式，保证了问题的「原汁原味」。
-
人为制造「迷雾」
接着，策略性地隐藏或模糊问题中的关键信息，或以其他方式增加问题的不确定性，来提升问题的难度。
团队甚至将回答难度，建模为一系列可控的「原子操作」，由此一来，可以精准控制问题的复杂度。
-
杜绝「抄近道」
为了防止模型「偷懒」找捷径，团队还基于集合论把信息搜索问题形式化建模。
这不仅能生成更高质量的问题，还解决了合成数据难以验证答案正确性的行业难题。
-
打造「博士级」难题
此外，还开发了一个专用于生成跨科学知识、多步推理的「博士级」研究难题的自动化数据流程。
它让一个配备网络搜索、学术检索等工具的 Agent，在一个循环中不断深化和扩展问题，像滚雪球一样让任务难度可控升级。
两种推理模式，征服长任务
拥有了顶级的「教材」，还需要高效的学习和思考方式。
通义 DeepResearch 模型同时支持两种推理模式：一个是原生的 ReAct Mode，另一个是基于上下文管理的 Heavy Mode。
经典模式：ReAct Mode
在标准任务中，模型采用经典的 ReAct（思考-行动-观察）模式，性能超乎想象。
它就像一个直觉敏锐的行动派，凭借 128K 的超长上下文，可以进行多轮次的快速交互，高效解决问题。
这种通用、可拓展的推理模式，尽管简单，但其是原生模型 Agentic 能力的直接体现。
深度模式：Heavy Mode
放眼全世界，谷歌、OpenAI、xAI 等大厂都在「深度研究」上展开布局，紧追当前 Agent 热点。
但是，他们大都采用了「单窗口、线性累加」信息处理模式，弊端就是信息一多，「AI 大脑」就不够用了。
因为，所有中间思路和检索到的信息，都堆积在了单一的上下文中。
在处理长程任务中，这种模式下的 Agent 就会面临「认知空间窒息」和「不可逆的噪声污染」挑战。
最终，AI 推理能力下降，难以完成长程、复杂的研究任务。
当面对极端复杂、需要长远规划的研究任务时，「深度模式」（Heavy Mode）便会启动。
具体来说，模型会将一个庞大任务分解为一系列「研究轮次」：
-
在每一轮开始，Agent 仅从上一轮的信息中提取最精华的结论，构建一个全新的、精简的工作空间。
-
在这个专注的工作空间里，Agent 分析问题，将关键发现整合进一个不断演变的核心报告中。
-
最后，它决定下一步是继续收集信息，还是给出最终答案。
这种「综合-重构」的迭代过程，让 Agent 在执行超长期任务时，始终能保持清晰的「认知焦点」和高质量的推理能力。
更进一步，团队还提出了 Research-Synthesis 框架：
让多个 IterResearch Agent 并行研究同一问题，最后将其报告和结论整合，从而获得更全面、更准确的答案。
这一模式下，通义 30B-A3B 模型在 HLE、BrowseComp、BrowseComp-ZH 基准上，性能再破纪录。
AI 智能体自我进化
端到端训练技术革新
如果说数据和推理模式是「招式」，那么训练流程就是「心法」。
团队打通了「Agentic CPT→ SFT→ Agentic RL」端到端全链路，首次提出了两阶段的智能体增量预训练，引领了智能体训练的新范式。
此外，其基于 ReAct 框架的强化学习环节，最能体现其深厚的系统工程能力。
团队坦言，通过强化学习构建高质量 Agent，是一项复杂的系统工程挑战。
如果将开发过程视为一个「强化学习」循环，其组件中任何不稳定，或是鲁棒性不足之处，都可能导致错误的「奖励」信号。
那么，在强化学习过程中，团队如何在算法和基础设施上取得突破？
-
算法是核心
针对算法，基于 GRPO 定制优化，严格遵循 on-policy 训练范式，确保信号匹配模型能力。
与此同时，采取一个 token 级策略梯度损失函数，以优化训练目标。结合留一法 (leave-one-out) 策略，降低优势估计方差。
为了避免「格式崩溃」现象，团队还进行多种策略的负样本筛选，比如排除过长未能生成答案的样本。
此外，通过增大批次（batch size）和组规模（group size），维持较小方差，提供充足监督信号。
如上图动态指标显示，奖励持续震荡上升。同时，策略熵（policy entropy）保持较高水平，说明模型在持续探索进化，避免了过早收敛。
这得益于 Web 环境的非平稳性，形成了鲁棒自适应策略，无需额外正则化。
算法稳定搞定了，就一切万事大吉了吗？显然不是。
-
基础设施更关键
团队分享了一个至关重要的洞见：
算法固然重要，但并非成功的唯一决定因素。数据质量和训练环境的稳定性，可能是决定强化学习项目成败的更关键一环。
一个极具说服力的现象是，团队曾尝试直接在人工标注的 BrowseComp 测试集上训练模型来验证算法，结果其表现远不如使用自研合成数据训练的效果。
由此，他们推测，这是因为合成数据提供了一致性更高的潜在分布，使模型能进行更有效的学习和拟合。
相较之下，规模有限、含有更多噪声的人工数据，反而让模型难以提炼和泛化。
为了实现稳定、高效的强化学习，他们构建了一套全栈式的基础设施「护城河」：
-
仿真训练环境：利用离线维基百科和自定义工具套件，创建了一个经济高效、快速可控的模拟训练平台，摆脱了对昂贵且不稳定的实时 Web API 的依赖。
-
工具沙盒：通过缓存结果、失败重试、饱和式响应等机制，为智能体提供了快速鲁棒的交互环境，防止工具的偶然错误破坏其学习轨迹。
-
自动数据管理：在训练动态的指导下实时优化数据集，通过全自动数据合成和数据漏斗，形成「数据生成」与「模型训练」之间的正向循环。
-
On-policy 的异步框架：基于 rLLM 实现，让多个智能体实例并行与环境交互，独立生成轨迹，极大提升了训练效率。
通过这一系列措施，阿里团队实现了智能体强化训练的「闭环」，让模型从一个基座模型开始，通过预训练、微调，最终在强化学习中实现自我进化。
这套全栈方案，恰恰为解决复杂任务的 AI 智能体训练树立了全新范式。
「高德行程规划」
和「律师小助理」双开花
过去半年，通义 DeepResearch 团队在 Deep Research 研发中不断深耕，每月一篇新作，全部斩获 SOTA。
通义 DeepResearch 团队技术报告矩阵
除了技术报告诚意满满，通义 DeepResearch 团队一口气连发六篇技术报告，除了延续 Web 系列的 WebResearcher、WebWeaver、WebResummer、WebSailor V2 的四篇工作之外，更是全新推出 Agent 系列的 AgentFounder 和 AgentScaler！
这些重磅研究，并非是实验室的「花瓶」，它们早已走向落地，赋能阿里旗下多个产品。
比如，每个人都能感知的案例——高德「小高老师」。可能你还不知道的是，其背后就是通义 DeepResearch 提供的加持。
前段时间，高德暑期大版本 V16，重点全面推出「地图导航+本地生活」场景。
通义团队和高德深度合作，在上述导航和本地生活场景中构建集成 Deep Research 能力的垂类智能体。
在规划决策中，通义团队基于 Qwen 模型微调构建精通地图领域的复杂「POI 推理 Agent」，一个超懂地图的智能助手。
它能一键 get 各种复杂需求，比如地理区域、参与者约束、交通约束、时间约束、POI 属性等多维度信息。
举个例子，当你输入一长串要求——
我想在西湖边上找家评分 4.5 以上的浙菜馆，得有儿童餐，而且从地铁站走过去不能超过 1 公里。
AI 能够立即挑出最合适的点，连怎么走都可以安排得明明白白。
再比如，假设想去奥森 Citywalk，高德 AI 瞬间就能制定出三种攻略。
打开每一种攻略，可以看到，它会帮你做出详细的时间规划，贴心地推荐餐饮、游玩景点等。
通义出模型，高德出工具和 Agent 链路，由此打造出了「小德助手」惊艳的体验。
在法律领域，通义 DeepResearch 能力也深度融合到了「通义法睿」中，一个原生法律智能体。
它集问答、案例检索、合同审查、文书起草于一身，可以满足法律用户的需求。
升级后，基于创新性 Agentic 架构和迭代式规划（Iterative Planning），「通义法睿」DeepResearch 大幅升级。
如今，它能够执行多步查询，依托真实判例、法规和解读，提供可追溯分析。
通过 PK，「通义法睿」在三大核心维度——答案要点质量、案例引用质量、法条引用质量上，超越了 OpenAI、Claude 家的 Deep Research。
总结
总而言之，通义 DeepResearch 的开源，无疑是 AI 社区的一大福音，人人可构建专属的深度研究智能体。
它证明了，轻量模型在「深度研究」领域中也能称霸。
它很慷慨，大方分享其背后技术秘方——合成数据+强化学习是训练模型的未来。
下一个爆款 APP，或许有天，正是通义 DeepResearch 打造的。
