阿里巴巴近日正式开源其深度研究智能体模型——通义DeepResearch，该模型在多个国际权威评测中取得SOTA（State-of-the-art）成绩，性能超越OpenAI Deep Research、DeepSeek-V3.1及Claude-4-Sonnet等基于旗舰大模型的智能体，成为当前开源社区中表现最优的Agent模型之一。

通义DeepResearch在Humanity's Last Exam（HLE）、BrowseComp-zh、GAIA、xbench-deepsearch、WebWalkerQA及Frames等评测中均表现突出，尤其以仅3B激活参数量实现强劲性能，显示出优异的效率与泛化能力。

传统深度研究方法通常采用“单窗口、线性累加”的信息处理机制，在长周期、高复杂性任务中容易遭遇“认知空间窒息”与噪声污染问题，导致推理性能显著下降。为应对这一挑战，通义团队构建了完整的合成数据驱动训练链路：以Qwen3-30B-A3B为基座模型，结合真实与虚拟环境中的强化学习验证模块，并引入高效异步强化学习算法与自动化数据策展流程，大幅提升模型迭代速度和泛化性能。

在推理机制上，团队提出两种运行模式：ReAct模式用于检验模型基础能力，而自研的IterResearch-Heavy模式则通过test-time scaling策略充分释放模型潜能，确保即使在长程复杂任务中仍可保持高质量推理。

目前，通义DeepResearch的模型权重、训练框架及实现方案已在GitHub、Hugging Face和魔搭社区全面开放，供研究者和开发者自由下载与使用。

今年以来，阿里已陆续开源包括WebWalker、WebDancer与WebSailor在内的多款智能体模型，均在开源社区中获得积极反响并取得SOTA成绩，持续推动Agent技术领域的开放创新与实用化进展。