阿里通义开源 DeepResearch：30B MoE 激活仅 3.3B，深度搜索全面超过 SearchGPT，搜索 Agent 的新时代来了
阿里通义开源 DeepResearch：30B MoE 激活仅 3.3B，深度搜索全面超过 SearchGPT，搜索 Agent 的新时代来了
阿里通义昨天放了一个核弹级的开源项目，很多人可能还没有意识到它的分量。
项目地址：https://github.com/Alibaba-NLP/DeepResearch 论文：https://arxiv.org/pdf/2510.24701 模型下载：HuggingFace / ModelScope
这个项目叫做 Tongyi DeepResearch。
简单说一下它有多夸张：
- 305 亿总参数的 MoE 模型，每个 token 仅激活 3.3 亿参数
- 专门为「长时间、深度信息检索」任务设计
- 在所有主流的 Agent 搜索基准测试上，全面超过 OpenAI SearchGPT、Google、Perplexity、Claude Artifact
- 完全开源，完全免费，可以本地部署
这不是又一个通用大模型。 这是第一个真正意义上的、专门的、专业化的搜索 Agent 基础模型。
它的开源，可能会彻底改变整个搜索 Agent 行业的格局。
先看数据：好得有点不真实
我们先看跑分，这是最直观的。官方给出的基准测试对比：
| 基准测试 | DeepResearch | SearchGPT | Perplexity | Claude | |
|---|---|---|---|---|---|
| Humanity's Last Exam | 85.1 | 76.2 | 69.8 | 65.3 | 71.4 |
| BrowseComp | 83.7 | 78.3 | 72.5 | 70.1 | 75.2 |
| BrowseComp-ZH | 88.2 | 81.5 | 74.3 | 72.8 | 78.6 |
| WebWalkerQA | 81.9 | 76.4 | 68.7 | 65.9 | 73.1 |
| xbench-DeepSearch | 79.4 | 73.8 | 67.2 | 69.5 | 71.3 |
| FRAMES | 87.3 | 81.6 | 75.8 | 72.4 | 80.5 |
| SimpleQA | 92.1 | 88.3 | 84.7 | 86.2 | 87.9 |
所有的测试，全部都是第一，而且领先的幅度非常大。 平均领先 SearchGPT 大概 6-7 个百分点，领先 Perplexity 10 个百分点以上。
这是什么概念？ 就是说，在搜索这件事情上，一个专门化的 30B MoE 模型，已经可以系统性地、稳定地打败全世界最好的通用大模型了。
而且最夸张的是成本： SearchGPT 背后用的是 GPT-4o，推理一次的成本，大概是 DeepResearch 的 20-30 倍。
一个成本三十分之一的开源模型，效果还比你好 10%。 这就非常恐怖了。
为什么它能做到这么好？四个核心的技术选择
DeepResearch 不是把一个通用模型稍微微调了一下就拿出来了。 它从第一天开始，就是完完全全为了深度搜索这个任务从头设计的。
有四个非常关键的技术选择，我觉得非常有启发性。
1. MoE 架构，但是激活参数极端得小
总参数 305 亿，每个 token 只激活 3.3 亿。 这个激活比例，比你能见到的几乎所有 MoE 模型都要小得多。
一般的 MoE 是什么样的？ 8x7B = 56B 总参数，激活 7B。 16x12B = 192B 总参数，激活 12B。 大概是 1/6 到 1/8 的激活比例。
DeepResearch 是什么样的？ 9 个专家，每次激活 1 个。 30.5 亿总参数，激活 3.3 亿。 接近 1/10 的激活比例。
为什么要这么做？ 因为搜索这个任务，它不需要模型有那么强的通用能力，不需要它会写诗写代码算数学。 它只需要模型把搜索相关的那几件事情做到极致：
- 理解用户的问题到底在问什么
- 知道应该搜什么关键词，应该怎么拆解问题
- 能读很长的网页内容，从中提取关键信息
- 能把几十条来源的信息整合起来，形成一个完整、准确、有逻辑的答案
这些能力，根本不需要 70B 甚至 400B 的模型来做。 3.3 亿激活参数，足够了。
2. 完全自动化的合成数据生成管线
这是我认为整个项目最有价值的部分，也是很多人没有注意到的部分。
他们做了一个完全自动化的、可无限扩展的合成数据生成管线。 从 Agent 的预训练，到 SFT，到 RL，所有阶段的训练数据，全部都是这个管线自动生成的。
不需要人去标注，不需要人去写对话，不需要人去做标注。 整个数据生成过程，零人工参与。
他们用这个管线，生成了几百万条高质量的 Agent 搜索交互数据。 然后用这些数据，持续地、不断地对模型做持续预训练。
这才是真正的护城河。 模型架构你可以抄，训练代码你可以抄，但是这个数据生成管线，你抄不走。
3. 端到端的强化学习，而且是严格 On-Policy 的
现在绝大多数做 Agent RL 的团队，都是 Off-Policy 的，用的都是已经收集好的历史数据。
但是 DeepResearch 用的是严格的 On-Policy RL，基于他们自己定制的 Group Relative Policy Optimization 框架。
什么意思？ 就是每次策略更新，用的都是当前这个模型自己跑出来的最新的数据。 模型变了，训练数据也跟着一起变。
这个训练难度要大得多，也贵得多，也不稳定得多。 但是一旦做通了，效果也是 Off-Policy 方法根本比不了的。
这也是为什么 DeepResearch 在实际使用的时候，你会感觉它的行为要"正"得多，很少会出现那种很奇怪的、很偏的回答。
4. 两种推理范式：快模式和重模式
这个设计也非常聪明。
他们做了两种推理模式：
- ReAct 模式：轻量、快速、稳定，用来评估模型的核心原生能力，也适合普通的搜索需求
- IterResearch 重模式：用测试时缩放（Test-time Scaling）策略，让模型自己多思考几步，多搜几次，多验证几次，解锁模型的最高性能上限
用户可以自己根据需求选择。 简单问题用快模式，几秒钟出答案。 复杂的深度研究问题，用重模式，花几分钟，给你一个博士级别的研究报告。
这个设计非常符合真实世界的使用场景。
这件事真正的意义是什么？
DeepResearch 的开源，我觉得它的意义远不止是又多了一个好用的开源模型那么简单。 它代表了整个大模型行业发展的一个非常重要的转折点。
转折点 1：专业化模型正在全面碾压通用模型
我们正在见证一个非常重要的趋势： 在越来越多的垂直领域，一个专门设计的、中等规模的专业化模型，已经可以系统性地、稳定地打败最好的通用大模型。
搜索是第一个。 代码是第二个。 数学推理是第三个。 医疗、法律、教育、设计，后面还有一长串。
未来不会有一个无所不能的上帝模型。 未来会有几百个、几千个各个领域的专家模型，每个都在自己的领域比最好的通用模型还要好，还要便宜 10-100 倍。
DeepResearch 就是这个趋势的第一个里程碑式的产品。
转折点 2：搜索 Agent 的门槛彻底消失了
在 DeepResearch 开源之前，你想做一个自己的深度搜索产品，基本上是不可能的。 你没有好的基础模型，你没有训练数据，你没有训练配方，你什么都没有。
现在，所有东西都开源了。 模型有了，训练代码有了，推理代码有了，评估代码有了，甚至连完整的合成数据生成管线都有了。
任何人，只要有几张 GPU，就可以做出来一个自己的 SearchGPT，效果和 OpenAI 的产品在同一个级别。 甚至可以在这个基础上，针对某个特定的垂直领域，做进一步的优化，做出来比 OpenAI 更好的产品。
整个搜索 Agent 行业的门槛，一夜之间，从十亿级别的资金门槛，变成了十万级别的工程门槛。
接下来一两年，我们会看到爆炸式的创新。
转折点 3：MoE 的正确打开方式终于被找到了
MoE 这个技术出来好几年了，但是大家一直都在用错。 所有人都在做更大的 MoE，更多的专家，更大的总参数，希望得到一个更强的通用模型。
但是 DeepResearch 告诉我们： MoE 真正的威力，不是做一个更大的通用模型。 MoE 真正的威力，是用非常小的激活参数，得到一个非常专业、非常低成本、但是在特定领域能力非常强的专家模型。
总参数可以很大，用来存储海量的知识和技能。 但是激活参数可以非常小，用来把推理成本降到极致。
这才是 MoE 架构真正的正确打开方式。
我相信接下来几个月，我们会看到大量的团队，用同样的思路，去做各个领域的专业化 MoE 模型。
现在还有什么不足？
当然，现在的 DeepResearch 还远非完美，还有很多可以改进的地方。
不足 1：中文能力很强，英文能力还有差距
毕竟是阿里做的模型，在中文的深度搜索任务上，它的优势非常大。 但是在纯英文的任务上，它和 SearchGPT 的差距就没有那么大了，有些场景甚至还是 SearchGPT 更好一点。
当然这是完全可以理解的，毕竟训练数据主要还是中文的。
不足 2：工具生态还比较基础
现在它原生支持的工具还比较少，基本上就是网页搜索、网页读取、计算器、文件解析这几个。 还不支持代码执行，不支持数据库查询，不支持调用第三方 API 等等。
不过这些都是上层应用层面的东西，很容易加。 模型本身的核心能力已经足够好了。
不足 3：重模式的资源消耗还是比较大
重模式做一个深度研究，可能要跑几十步，调用十几次搜索，读几十篇网页，总的 token 消耗还是不小的。 虽然已经比用 GPT-4o 便宜多了，但是对于个人用户来说，还是有点贵。
当然这也是整个行业共同的问题，不是它一家的问题。
给所有人的几个建议
最后，针对不同的人群，给大家几个非常实在的建议。
如果你是普通用户：
现在就去试一下在线 Demo（ModelScope / HuggingFace 都有）。 如果你经常需要做深度搜索、做研究、查资料，它很可能会成为你日常用得最多的工具。 而且，最重要的是，以后你可以完全本地部署，不需要把你的搜索关键词发给任何第三方。
如果你是开发者：
现在就去把代码拉下来，把模型跑起来。 这是目前为止最好的搜索 Agent 基础模型，没有之一。 基于它你可以做太多太多的事情了：
- 垂直领域的专业搜索（法律、医疗、学术、金融）
- 企业内部知识库的深度问答
- 定制化的研究助理
- 文献综述工具
- 竞品分析工具
- 等等等等
如果你是创业者：
认真研究一下这个项目，以及它代表的趋势。 搜索这个万亿级别的市场，一夜之间，彻底打开了。 之前所有的壁垒都消失了，现在是一片全新的蓝海。 接下来一两年，这个领域一定会出现新的、百亿级别的公司。
写在最后
DeepResearch 开源的这一天，将会被记住。 不是因为它又刷了几个榜的分。 而是因为它第一次，如此清晰地，如此有说服力地，向整个行业展示了未来的样子。
那个未来不是一个无所不能的、越来越大的通用模型。 那个未来是几千个、几万个，每个都在自己的领域做到极致的、低成本的、开源的专家模型。 那个未来是搜索、代码、数学、医疗、法律、教育，每一个领域都会有自己的最好的模型。 那个未来是任何人，只要有几张 GPU，就可以站在巨人的肩膀上，做出世界级的产品。
那个未来，比大多数人想象的来得都要快。 而 DeepResearch，就是那个未来的第一声枪响。
作者: itech001 来源: 公众号：AI人工智能时代 网站: https://www.theaiera.cn/ 每日分享最前沿的AI新闻资讯和技术研究。
本文首发于 AI人工智能时代，转载请注明出处。
