来源：新智元正规的线上炒股配资
【新智元导读】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。
（上下滑动查看）
（上下滑动查看）
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。
（上下滑动查看）
（上下滑动查看）
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。
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。
海量资讯、精准解读，尽在新浪财经APP
责任编辑：江钰涵 正规的线上炒股配资
文章为作者独立观点，不代表联华证券_专业炒股配资门户_专业配资股票开户观点
