阿里云开源通义 DeepResearch！轻量级 AI 代理性能对标 OpenAI，系统性技术创新赋能研究能力​

近日，阿里云通义实验室对外宣布开源通义 DeepResearch，这款轻量级 AI 代理凭借出色的性能，实现了与 OpenAI 深度研究工具的比肩，在信息检索和推理领域展现出强劲实力。为让 AI 真正具备 “做研究” 的能力，通义 DeepResearch 团队围绕数据、Agent 范式、训练、基础设施（Infra）、Test Time Scaling 开展系统性创新，所有技术方案均已开源，其开源资源同步在多个平台上线，欢迎全球开发者共建。​

轻量级参数设计实现高性能突破​

通义 DeepResearch 在参数配置上颇具亮点，其整体参数规模达 300 亿，而实际激活参数为 30 亿。这一轻量化的参数设计，不仅在资源占用上更具优势，还能实现出色性能，成功达成对标 OpenAI 的突破。这种高效的参数利用模式，打破了人们对高参数与高性能必然绑定的固有认知，为轻量级 AI 代理的发展提供了新方向，也让更多开发者能够轻松部署和使用先进的 AI 研究工具。​

权威基准测试验证技术实力​

在权威基准测试中，通义 DeepResearch 的表现同样可圈可点。以 Humanity's Last Exam 测试为例，该 AI 代理获得了 32.9 分的优异成绩。这一分数充分证明了其在复杂任务处理、知识掌握与运用等方面的卓越能力，也让行业看到了阿里云在 AI 技术研发上的深厚积累与突出实力。对于需要可靠 AI 研究助手的用户来说，这样的测试成绩无疑是重要的参考依据。​

系统性技术创新：打造 AI 研究能力核心支撑​

1. 全流程合成数据方案：突破智能体能力上限​

通义 DeepResearch 自研行业领先的全流程合成数据方案，无需任何人类干预即可构造超越人类水平的数据集，为智能体能力提升奠定基础。​

• 增量预训练数据（Agentic CPT）：首次提出在 Agent 模型训练中加入智能体增量预训练阶段，提供支持大规模扩展的预训练数据合成方案 AgentFounder [1]，与后训练过程中产生的数据形成 “数据飞轮”。数据重组和问题构建基于知识文档、爬虫数据、知识图谱及后训练轨迹数据，以实体为锚定构建开放世界知识记忆，生成多风格（问题，答案）对；动作合成则基于多风格问题和历史轨迹，构建规划、推理、决策三类动作数据，离线探索推理 - 动作空间，无需额外商业工具 API 调用。​

• 后训练数据合成：团队经多代方案迭代，从 WebWalker 的网页点击轨迹逆向合成 QA 对、WebDancer 的搜索式问题难度升级，到 WebSailor 的图结构复杂问题合成、WebShaper 的系统化可控方案，在保证数据高质量的同时实现可扩展性。​

• SailorFog-QA 系列数据生成：针对 WebSailor Level3 任务，先从真实网站通过随机游走构建含复杂关系的知识图谱，再采样子图生成问答，最后通过信息模糊化制造难度，确保问题真实性与非线性结构。​

• 形式化建模（WebShaper）：以实体集合为 QA 基本构成，以实体关系操作为难度单元，通过合并、模糊化等原子操作逐步提升 QA 复杂度，实现难度可控化。​

• PhD-Level 学科合成数据自动化生成：基于百万级多学科知识库（含网页、学术论文、电子书），经 “预处理（浓缩核心语义信息块）→种子生成（组合信息块生成多源依赖 QA）→迭代式复杂度升级（造题 Agent 用工具扩展知识、深化抽象、强化事实、构建计算任务）” 流程，形成难度持续提升的 “良性循环”。​

2. 多模态 Agent 推理范式：适配复杂研究场景​

团队对深度研究型智能体的推理范式展开广泛探索，最终模型支持多种推理形式，满足不同研究需求。​

• ReAct 模式：遵循 “思考 - 行动 - 观察” 循环，通过多轮迭代解决问题，依托 128K 上下文长度处理大量交互轮次，实现环境交互可扩展性。选择该模式受 “The Bitter Lesson” 启发，以可扩展计算的通用方法提升模型适用性，为训练有效性提供清晰基准。​

• 深度模式（Iterative Deep-Research Paradigm [3]）：提出以 “综合与重构” 动态循环取代单一膨胀上下文，将复杂研究任务解构为多个 “研究回合”。每回合流程包括：重构精简工作区（基于上回合报告和工具响应生成轻量工作区）→执行 “思考（内部分析反思，不带入下一回合）- 综合（提炼关键信息到核心报告）- 行动（调用工具或输出答案）”，实现 “严谨状态维护”；同时推出 Research-Synthesis 框架，并行多个 IterResearch Agent 探索同一问题，整合报告结论，提升答案准确性与研究路径覆盖率。​

3. Agent 模型训练流程优化：打通全链路闭环​

团队重新设计 Agent 模型训练流程，构建 “Agentic CPT→Agentic SFT→Agentic RL” 端到端循环，为 AI Agent 提供无缝训练路径，其中强化学习（RL）环节对行为与高阶目标一致性至关重要：​

• RL 算法优化：基于 GRPO 进行定制，采用 on-policy 训练范式确保学习信号与模型能力匹配，使用 token 级策略梯度损失函数；通过留一法降低优势估计方差，筛选负样本（排除未生成最终答案的超长样本）避免 “格式崩溃”；增大 batch size 和 group size 替代动态采样，平衡方差与监督信号效率。​

• 训练动态表现：奖励（reward）持续上升，策略熵维持高位，模型持续探索避免过早收敛，这得益于 Web 环境非平稳性促进的稳健自适应策略，无需显式熵正则化。​

• 关键认知：数据质量和训练环境稳定性比算法更关键 —— 直接用 BrowseComp 测试集训练效果远差于合成数据，因合成数据分布更一致，而人工标注数据噪声多、规模有限，难以提炼可学习的潜在分布。​

4. 高稳定基础设施（Infra）：支撑高效训练与运行​

针对工具训练智能体的需求，构建高度稳定高效的基础设施体系：​

• 仿真训练环境：用离线维基百科数据库和自定义工具套件替代实时 Web API，结合 SailorFog-QA-V2 专属数据，降低开发成本、提升速度与一致性，加速研究迭代。​

• 稳定高效工具沙盒：开发统一沙盒，通过结果缓存、失败重试、饱和式响应处理并发与故障，为智能体提供鲁棒交互环境，避免工具错误破坏学习轨迹。​

• 自动数据管理：以数据为核心驱动力，结合训练动态实时优化数据，通过全自动合成与数据漏斗调整训练集，形成 “数据生成 - 模型训练” 正向循环，保障训练稳定与性能提升。​

• 基于策略的异步框架：在 rLLM 之上实现异步 RL 训练推理框架，多 Agent 实例并行与环境交互，独立生成轨迹，提升训练效率。​

超长上下文支持拓展应用边界​

通义 DeepResearch 支持 128K 超长上下文，这一特性使其在应对复杂任务时游刃有余。无论是多日行程规划，需要整合不同时间段、不同地点的各类信息；还是法律文档分析，要求精准捕捉复杂条款中的关键信息与逻辑关系，这款 AI 代理都能高效处理。128K 超长上下文 AI 技术的应用，为用户提供了精准、全面的解决方案，进一步拓展了 AI 技术在实际场景中的应用边界。​

实际应用落地：赋能多领域生产力提升​

目前通义 DeepResearch 已赋能多个阿里巴巴内部应用，成为提升效率、创造价值的 “生产力引擎”：​

• 高德地图 AI 原生出行 Agent：与高德地图深度共建，推出全球首个 AI 原生出行 Agent，预置专属地图 API、实时天气查询、交通状况监测工具，可结合实时场景提供精准建议（如晚高峰避开拥堵路线前往机场）。​

• 通义法睿法律智能体：注入 “通义法睿” 打造法律研究优化智能体，自动检索法条、类案和裁判文书并深度归纳分析。在与 OpenAI、Claude 等国际顶尖模型的对比中，其 “法条引用相关性”“案例引用相关性” 两项关键指标全面领先，综合表现最优，验证了复杂推理场景硬实力。​

开源资源全面开放：助力开发者共建生态​

阿里云此次开源通义 DeepResearch 的所有技术方案，为全球 AI 开发者社区提供宝贵资源。目前，通义 DeepResearch 的模型、框架和方案均已全面开源，用户可通过以下平台获取：​

• GitHub：https://tongyi-agent.github.io​

• Hugging Face：https://huggingface.co/Alibaba-NLP/Tongyi-DeepResearch-30B-A3B​

• 魔搭社区：https://modelscope.cn/models/iic/Tongyi-DeepResearch-30B-A3B​

• 技术博客：https://tongyi-agent.github.io/blog/introducing-tongyi-deep-research/​

此外，通义 DeepResearch 拥有丰富的 DeepResearch Agent 家族，相关技术细节可参考系列论文：​

[1] Scaling Agents via Continual Pre-training：https://arxiv.org/pdf/2509.13310​

[2] WebSailor-V2: Bridging the Chasm to Proprietary Agents via Synthetic Data and Scalable Reinforcement Learning：https://arxiv.org/pdf/2509.13305​

[3] WebResearcher: Unleashing unbounded reasoning capability in Long-Horizon Agents：https://arxiv.org/pdf/2509.13309​

[4] WebWeaver: Structuring Web-Scale Evidence with Dynamic Outlines for Open-Ended DeepResearch：https://arxiv.org/pdf/2509.13312​

[5] Towards General Agentic Intelligence via Environment Scaling：https://arxiv.org/pdf/2509.13311​

[6] ReSum: Unlocking Long-Horizon Search Intelligence via Context Summarization：https://arxiv.org/pdf/2509.13313​

[7] WebWalker: Benchmarking LLMs in Web Traversal：https://arxiv.org/pdf/2501.07572​

[8] WebDancer: Towards Autonomous Information Seeking Agency：https://arxiv.org/pdf/2505.22648​

[9] WebSailor: Navigating Super-human Reasoning for Web Agent：https://arxiv.org/pdf/2507.02592​

[10] WebShaper: Agentically Data Synthesizing via Information-Seeking Formalization：https://arxiv.org/pdf/2507.15061​

[11] WebWatcher: Breaking New Frontier of Vision-Language DeepResearch Agent：https://arxiv.org/pdf/2508.05748​