Qwen新开源tongyi-DeepResearch：核心优势
原文地址：https://mp.weixin.qq.com/s/23b-aWTArhATJRupaTYC8A
引言：AI研究能力的革命性突破
当AI从"被动应答"转向"主动研究"，一场关于知识生产方式的变革正在悄然发生。2025年9月，阿里巴巴通义实验室开源发布的 tongyi-DeepResearch，首次将原本被海外闭源模型垄断的深度研究能力推向全行业，标志着AI正式迈入"自主研究员"时代。这一突破性模型彻底告别传统对话式交互的局限，进化为能独立完成深度搜寻—多源交叉—结构化归纳—报告生成完整流程的智能体，为复杂研究任务提供论据可溯、过程可复现的解决方案1。
从"能聊天"到"会研究"的范式跃迁
传统AI研究工具常受限于"单窗口线性累加"的信息处理模式，导致随着研究深入出现"认知空间窒息"和"噪声污染"等问题。而tongyi-DeepResearch通过创新的IterResearch迭代研究范式，模拟人类研究员的工作逻辑：先拆解问题形成研究框架，再通过多轮信息检索与交叉验证逐步逼近真相，最终自动生成条理清晰的数据报告2。这种能力已在实际场景中显现价值——与高德地图合作开发的"小高老师"旅行规划助手，能综合交通、天气、景点人流等动态数据生成最优行程；赋能通义法睿实现的法律研究代理，则将原本需数小时的法规检索任务压缩至十几分钟。
核心突破：该模型总参数305亿，激活参数仅33亿，却在Humanity's Last Exam（HLE）、BrowseComp、GAIA等8项权威Deep Research benchmark中取得SOTA成绩，综合性能对标并超越基于OpenAI o3、Claude-4-Sonnet等旗舰模型的ReAct Agent。
轻量化设计带来的普惠价值
在AI模型参数竞赛愈演愈烈的当下，tongyi-DeepResearch的30B-A3B轻量级版本展现出颠覆性的效率优势。仅33亿的激活参数规模，使其能在普通GPU服务器上流畅运行，却保持着与千亿参数模型相当的复杂推理与规划能力7。研究团队不仅开源了模型权重，更完整分享了从数据合成、Agentic持续预训练（CPT）到强化学习（RL）的全流程构建方法论，为开发者提供了从0到1打造高阶研究Agent的技术蓝图8。
这场由开源力量推动的技术民主化，正让深度研究能力从少数科技巨头的专属工具，转变为每个开发者都能驾驭的普惠技术。下文将深入解析其核心技术架构与本地部署指南，带你亲手解锁AI自主研究的全新可能。
核心优势解析
性能表现：对标海外旗舰的轻量级模型
通义 DeepResearch 以 “参数效率革命” 重新定义了深度研究模型的性能边界，通过创新的稀疏激活架构，在轻量化设计与旗舰级能力之间实现了突破性平衡。其 30B 总参数模型（激活参数仅 33 亿）不仅资源消耗显著低于同类模型，更在多项权威评测中展现出比肩甚至超越海外旗舰的综合实力，为中小团队部署高性能研究工具提供了可能性。
权威榜单：多项 SOTA 成绩验证复杂推理能力
该模型在 Deep Research 领域的国际权威 benchmark 中全面领跑，尤其在 人类级复杂推理任务 上实现关键突破。以下为核心评测结果：
| 评测基准 | 得分/表现 | 对比优势 |
|---|---|---|
| Humanity's Last Exam (HLE) | 32.9% | 超越 OpenAI o3 及 Claude-4-Sonnet 的 ReAct 智能体，首个突破 30% 大关的开源模型 |
| BrowseComp-ZH | 49.5% | 中文深度搜索任务 SOTA，显著领先同类开源模型 |
| FRAMES | 90.6分 | 所有测试模型中排名第一，规划与执行能力突出 |
| xbench-DeepSearch | 75.0分 | 系统性超越闭源及开源 Deep Research 代理 |
| 法律案例引用质量专项评估 | 64.26分 | 高于 OpenAI（57.56）和 Anthropic Claude（40.43） |
这些成绩印证了模型在 多步骤推理 与 跨领域知识整合 上的核心优势：基础 ReAct 模式无需复杂提示工程即可高效执行任务，深度模式（test-time scaling）更能通过动态扩展探索性能上限，展现出从实用工具到研究助手的全场景适配能力。
参数优势：33亿激活参数实现“轻量快跑”
模型采用 30B 总参数 + 33亿激活参数 的创新架构（部分表述为 300亿总参数/3B 激活参数），通过精准的稀疏激活设计，将资源消耗控制在同类模型的 1/10 以下。这种“按需激活”机制带来双重价值：
- 部署门槛降低：单卡 GPU 即可支持基础推理，中小团队无需大规模算力投入即可部署
- 性能对标旗舰：以 33亿激活参数在 HLE、GAIA 等评测中比肩 OpenAI o3、DeepSeek V3.1 等万亿级参数模型的 ReAct Agent，实现“小参数大能力”的跨越式突破
核心突破：传统模型需激活全部参数才能释放性能，而通义 DeepResearch 通过动态路由机制，仅用 33亿激活参数即可完成复杂研究任务，资源效率提升近 10 倍。
长上下文能力：128K tokens 支撑深度研究场景
模型原生支持 128K tokens 上下文窗口（约合 20 万中文字符），可同时处理数百页文献、多轮对话历史或跨文档数据集，完美匹配深度研究中的 多源信息交叉分析 需求。例如：
- 学术研究中可一次性输入 10+ 篇关联论文，实现文献综述的自动关联与冲突检测
- 行业分析场景下能整合财报、新闻、政策文件等异构数据，生成全景式洞察报告
- 法律案例检索中可同时加载判例库与现行法规，提升案例匹配精度与引用质量
这种超长上下文能力与高效参数设计的结合，使得通义 DeepResearch 不仅是轻量级部署的优选，更成为深度研究领域的“全能助手”——在保持资源友好性的同时，真正实现了“小模型办大事”的技术突破。
技术创新：从数据到推理的全链路突破
tongyi - DeepResearch 在技术层面实现了从数据生成到推理决策的全链路革新，通过三大核心突破构建起超越传统智能体的研究能力体系。
数据策略：全合成数据驱动的自动化训练革命
传统大模型训练依赖海量人工标注数据，而 tongyi - DeepResearch 构建了无需人工干预的全合成数据训练链路。其核心在于通过知识图谱随机游走技术（从维基百科等权威来源的实体关系网络中自动生成关联问答）与动作合成引擎（模拟规划、推理、决策等人类研究行为生成任务样本），构建出高质量训练数据池。这种“数据生成 - 模型训练 - 数据优化”的正向循环机制，能根据模型实时表现动态调整训练难度——例如当模型在某类逻辑推理任务上准确率提升后，系统会自动生成包含策略性混淆信息的进阶样本，推动能力持续迭代。
这一过程依托双模型架构实现：AgentFounder - 30B 负责智能体增量预训练（Agentic CPT），从文档、爬取数据中重构实体知识记忆；WebSailor - V2 - 30B - A3B 则通过强化学习持续优化策略，两者配合在基于维基百科的模拟环境中完成全自动化训练，彻底摆脱对人工标注的依赖。
推理范式：双模式动态适配复杂研究场景
针对不同任务复杂度，系统创新设计两种推理模式，实现效率与准确性的平衡：
-
ReAct Mode（快速响应模式）：遵循“思考 - 行动 - 观察”的经典循环，依托 128K 超长上下文窗口支持多轮交互，适用于基础问答、简单信息检索等任务。例如在验证“量子纠缠的定义”时，模型可直接调用内置知识库快速生成答案，无需外部工具辅助，响应速度比传统智能体提升 30%110。
-
Heavy Mode（深度研究模式）：基于自研 IterResearch 范式，将复杂任务拆解为“研究轮次”——每轮仅保留核心结论至证据记忆库，重建精简工作空间以避免“认知空间窒息”（即线性信息堆积导致的推理能力衰减）。例如分析“2025 年全球芯片产业格局”时，系统会先由 Planner Agent 制定研究框架，再由多个专业子智能体（市场分析 Agent、技术评估 Agent 等）并行开展文献检索、数据验证，每轮结束后仅将关键结论（如“台积电 3nm 良率提升至 85%”）存入独立记忆层，最终通过 Research - Synthesis 框架合成完整报告。这种机制在 LiveVQA 多模态基准测试中 Pass@1 得分达 58.7%，远超 GPT - 4o 的 34.0%。
两种推理模式对比
| 维度 | ReAct Mode | Heavy Mode |
|---|---|---|
| 适用场景 | 基础问答、简单检索 | 复杂研究、多步骤推理 |
| 核心机制 | 单轮“思考 - 行动”循环 | 多轮迭代 + 工作空间重建 |
| 优势 | 响应速度快（<1 秒） | 准确率高（复杂任务提升 40%） |
| 上下文管理 | 共享工作空间 | 独立记忆层与推理层分离 |
训练革新：端到端链路与算法突破解决传统痛点
传统智能体训练常面临“优化冲突”——预训练阶段的通用知识与强化学习阶段的任务策略难以协同。tongyi - DeepResearch 通过端到端全流程训练（智能体增量预训练→有监督微调→强化学习）打通数据流转闭环：先由 AgentFounder 生成基础能力数据集，经 WebSailor 进行策略优化，再反馈至数据引擎调整生成方向，形成“数据 - 模型 - 数据”的自迭代体系。
其中，GRPO（组相对策略优化）算法发挥关键作用：通过 token 级别策略梯度（精确调整每个推理步骤的决策权重）与负样本选择性过滤（剔除噪声数据如错误网页信息），使非平稳训练环境下的模型稳定性提升 27%。例如在金融市场预测任务中，GRPO 能有效过滤过时财经新闻，聚焦核心指标（如利率变化、企业财报），将预测误差降低至传统算法的 1/3。
这种“数据自动化生成 - 双模式推理适配 - 端到端算法优化”的全链路设计，使 tongyi - DeepResearch 突破了传统智能体的能力边界，在学术研究、市场分析等专业场景展现出接近人类研究员的逻辑深度与可靠性。
全面开源：模型、框架与方案的无障碍获取
2025 年 9 月 17 日，通义 DeepResearch 正式开启全面开源进程，将模型、框架与解决方案完整开放给全球开发者。这不仅是技术普惠的重要实践，更为科研与产业创新注入了全新动能。
多平台无障碍获取通道
开发者可通过三大主流平台一键获取全部资源，覆盖代码、模型权重与构建指南：
| 平台 | 地址 | 核心资源 |
|---|---|---|
| GitHub | https://github.com/Alibaba-NLP/DeepResearch | 完整框架代码、文档及基准测试脚本（项目已获 7.2k 星） |
| Hugging Face | https://huggingface.co/Alibaba-NLP/Tongyi-DeepResearch-30B-A3B | 30B-A3B 模型权重（128K 上下文长度） |
| 魔搭社区 | https://modelscope.cn/models/iic/Tongyi-DeepResearch-30B-A3B | 本地化部署工具与中文生态支持 |
技术博客（https://tongyi-agent.github.io/blog/introducing-tongyi-deep-research/）同步公开了 DeepResearch Agent 的构建方法论，从数据合成到强化学习的全流程细节一目了然。
全栈技术开放：从模型到范式创新
本次开源突破了传统模型开源的局限，实现技术栈全链路开放：
- 模型层：提供 Tongyi-DeepResearch-30B-A3B 等核心模型，支持 128K 超长上下文理解；
- 框架层：六大创新模块覆盖研究全场景——WebResearcher（迭代研究范式）、WebResummer（无限探索范式）、WebWeaver（双智能体协作）、WebSailor-V2（合成数据强化学习）、AgentFounder（持续预训练）、AgentScaler（环境扩展），解决记忆管理、知识整合等关键痛点；
- 方案层：端到端开放从 CPT 冷启动到 RL 优化的完整流程，包含自动化数据构建、算法创新与基础设施解决方案。
这种“模型+框架+方案”三位一体的开源模式，将复现门槛降至历史最低。此前开源的 WebWalker、WebDancer 等工具已在合成数据领域取得业界领先成果，如今完整技术体系的开放，有望加速科研创新的“从 0 到 1”突破。
商业友好的技术普惠
通义 DeepResearch 采用 Apache 2.0 许可协议，允许商业场景免费使用与二次开发。对比海外模型动辄百万级的 API 调用成本与严苛的权限限制，这一开源策略真正实现了“技术平权”——无论是初创企业的本地化部署，还是科研机构的前沿探索，都能零门槛获取顶级 AI 能力。
开源生态的未来展望
全面开放的技术体系不仅是代码的共享，更是创新协作的邀约。随着开发者基于 DeepResearch 进行二次开发，预计将涌现出更多垂直领域的 Agent 应用：从学术论文自动生成到产业报告深度分析，从医疗文献解读到法律案例检索。这种“开源共建”模式，正推动 AI 技术从“实验室成果”加速转化为“普惠性工具”，最终形成可持续发展的技术生态共同体。
正如开源社区所期待的，当顶级 AI 能力不再被权限与成本束缚，每个创新者都能在通义 DeepResearch 的基础上，构建属于自己的“智能研究助手”。这或许就是技术开源的终极意义——让创造力回归本质，让进步成为共同的旋律。