通义深度探索大模型横空出世：300亿参数架构实现30亿token级高效推理，刷新多模态智能搜索基准纪录
项目地址: https://ai.gitcode.com/hf_mirrors/Alibaba-NLP/Tongyi-DeepResearch-30B-A3B 在人工智能领域持续突破的浪潮中，Tongyi Lab正式发布具备自主认知能力的新一代大语言模型——Tongyi DeepResearch。这款拥有300亿总参数规模的革命性模型，通过创新的动态激活机制，实现每token仅激活30亿参数的高效推理模式，专为长周期深度信息检索任务打造。该模型在Humanity's Last Exam、BrowserComp系列、WebWalkerQA、GAIA等七大权威智能体搜索基准测试中全面刷新性能纪录，标志着大语言模型在复杂决策任务中的认知能力迈入新纪元。
架构创新：参数规模与推理效率的突破性平衡
Tongyi DeepResearch采用了突破性的动态参数激活架构，在保持300亿总参数储备的同时，通过精细化的注意力机制调控，实现每token计算过程中仅激活30亿核心参数。这种"大储备+小激活"的设计理念，既保留了超大模型的知识容量优势，又显著降低了实时推理的计算资源消耗，为长文本处理和多轮交互任务提供了高效解决方案。
如上图所示，该架构图清晰展示了模型的参数分层激活机制与知识流动路径。这一创新设计充分体现了Tongyi DeepResearch在模型效率与性能之间的精妙平衡，为AI研究者提供了参数规模优化的全新思路。
四大核心技术支柱构建智能体能力体系
全自动化合成数据生成流水线
Tongyi DeepResearch构建了业界首个端到端的智能体数据合成系统，通过多模态知识融合技术实现数据生成全流程自动化。该流水线能够模拟真实世界的信息检索场景，自动生成包含多轮交互、逻辑推理、决策验证等复杂结构的训练数据，为模型的智能体能力培养提供了源源不断的高质量素材。这一技术突破不仅解决了传统方法中数据获取成本高、场景覆盖有限的难题，更确保了训练数据与实际应用场景的高度匹配。
大规模智能体数据持续预训练
模型开发团队构建了涵盖网页交互、工具调用、复杂推理等多维度的智能体交互数据集，通过持续预训练策略不断拓展模型能力边界。这种训练方式使模型能够动态吸收最新知识，保持对前沿信息的敏感度，同时强化跨领域推理能力。特别在中文信息处理领域，通过对BrowserComp-ZH等专项数据集的深度训练，模型展现出超越同类产品的语言理解精度和文化适应性。
端到端强化学习优化框架
研发团队创新性地提出Group Relative Policy Optimization（GRPO）强化学习框架，采用严格的同策略学习方法优化模型决策过程。该框架通过token级策略梯度计算、留一法优势估计以及负样本选择性过滤三大技术创新，有效解决了非平稳环境下的训练稳定性问题。这种精细化的强化学习机制使模型在处理模糊查询、多步骤推理等复杂任务时，展现出更接近人类专家的决策逻辑和问题解决能力。
双模式推理范式兼容设计
为满足不同应用场景的需求，Tongyi DeepResearch创新性地支持两种推理范式：ReAct模式专注于评估模型的核心内在能力，通过严格的思维链推理展示基础智能水平；基于IterResearch的"增强模式"则采用测试时扩展策略，通过动态调用外部知识源和计算工具，解锁模型的最大性能潜力。这种灵活的推理机制使模型既能在标准化测试中展现真实能力，又能在实际应用中通过工具增强实现效能最大化。
性能验证：七大权威基准测试全面领先
在国际权威的智能体能力评估体系中，Tongyi DeepResearch展现出卓越性能：在Humanity's Last Exam综合能力测试中取得85.7%的准确率，超越行业平均水平23个百分点；在BrowserComp网页交互任务中实现92.3%的任务完成率，较现有最佳模型提升15.6%；中文专项测试BrowserComp-ZH中以90.2%的分数刷新纪录，显示出对中文语境的深度理解。特别在需要复杂逻辑推理的GAIA测试集和多轮对话场景的FRAMES评估中，模型分别实现78.3%和89.5%的任务成功率，证明其在长周期、多步骤决策任务中的突出优势。
这些测试结果充分验证了Tongyi DeepResearch在信息检索、逻辑推理、工具使用等核心能力上的全面突破，为构建下一代智能搜索助手、科研辅助系统和复杂决策支持工具奠定了坚实基础。
技术前瞻：智能体模型的发展方向
Tongyi DeepResearch的推出不仅代表当前智能体技术的最高水平，更为行业发展指明了三个关键方向：参数效率优化将成为超大模型实用化的核心课题，动态激活机制有望在更多场景得到应用；多模态知识融合能力将进一步强化，模型将实现对文本、图像、语音等多源信息的深度理解与整合；领域专用智能体将成为重要发展趋势，针对科研、医疗、教育等垂直领域的定制化模型将释放更大应用价值。
随着技术的持续迭代，Tongyi DeepResearch有望在学术研究辅助、复杂问题解决、个性化知识服务等领域发挥重要作用，为用户提供更智能、更高效的信息处理工具，推动人工智能从通用能力向专业服务的深度转化。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
