Tongyi DeepResearch：30B参数AI深度搜索新范式
【免费下载链接】Tongyi-DeepResearch-30B-A3B项目地址: https://ai.gitcode.com/hf_mirrors/Alibaba-NLP/Tongyi-DeepResearch-30B-A3B
导语：阿里巴巴通义实验室推出300亿参数的Tongyi DeepResearch大模型，以仅30亿参数的动态激活机制实现深度信息检索突破，重新定义AI搜索的"思考深度"。
行业现状：随着大语言模型技术的快速迭代，信息检索正从简单的关键词匹配向深度知识挖掘转变。当前主流AI搜索模型普遍面临长程推理能力不足、信息获取效率低下、复杂任务处理能力有限等挑战。据行业研究显示，超过65%的复杂信息查询需要用户进行多轮交互或人工筛选，AI系统在处理需要多步骤推理的深度搜索任务时准确率往往低于50%。在此背景下，具备自主决策能力的智能体（Agent）技术成为突破方向，推动搜索范式从"被动响应"向"主动探索"升级。
产品/模型亮点：Tongyi-DeepResearch-30B-A3B模型以四大技术创新构建深度搜索新范式。其核心突破在于采用"300亿总参数+30亿动态激活"的高效架构，在保证模型能力的同时显著降低计算资源消耗。该模型建立了全自动化的合成数据生成流水线，实现了智能体预训练、监督微调与强化学习的全流程数据闭环，大幅提升了训练效率与数据质量。
在训练方法上，模型创新性地采用大规模智能体数据持续预训练，通过多样化、高质量的智能体交互数据扩展模型能力边界，同时保持知识的新鲜度与推理性能。特别值得关注的是其端到端强化学习框架，基于定制化的Group Relative Policy Optimization架构，结合token级策略梯度、留一法优势估计和选择性负样本过滤技术，有效解决了非平稳环境下的训练稳定性问题。
推理阶段，该模型兼容两种范式：ReAct模式用于严格评估模型的核心内在能力，而基于IterResearch的"重型"模式则通过测试时扩展策略释放模型最大性能潜力，满足不同场景下的应用需求。这些技术创新使Tongyi DeepResearch在Humanity's Last Exam、BrowserComp、WebWalkerQA等多个智能体搜索基准测试中均达到 state-of-the-art 性能。
行业影响：Tongyi DeepResearch的推出标志着AI搜索正式进入"深度思考"时代。对于科研领域，该模型能够自主完成文献调研、实验设计分析等复杂研究辅助任务，将研究人员从繁琐的信息筛选工作中解放出来；在商业智能领域，其深度信息挖掘能力可赋能市场分析、竞争情报等专业场景；对于普通用户，这一技术将推动搜索引擎从"答案提供者"向"问题解决伙伴"转变，大幅提升复杂信息需求的满足效率。
从技术演进角度看，该模型验证了大规模智能体数据训练与动态激活架构的可行性，为后续大模型在效率与性能间取得平衡提供了重要参考。其开源特性也将加速行业在智能体搜索领域的技术迭代，预计未来1-2年内，深度搜索能力将成为AI助手的核心竞争力指标。
结论/前瞻：Tongyi DeepResearch通过架构创新与训练方法突破，将AI搜索推向"深度知识探索"的新阶段。300亿参数规模与动态激活机制的结合，既保证了模型的推理能力，又兼顾了计算效率，为大模型的可持续发展提供了新路径。随着该技术的普及，我们有望看到更多领域的专业工作流程被重构，AI将从简单工具进化为具备自主探索能力的智能协作伙伴。未来，如何进一步提升模型的知识更新效率与复杂任务规划能力，将成为智能体搜索技术发展的关键方向。
【免费下载链接】Tongyi-DeepResearch-30B-A3B项目地址: https://ai.gitcode.com/hf_mirrors/Alibaba-NLP/Tongyi-DeepResearch-30B-A3B
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
