阿里通义DeepResearch开源：让AI从信息整合者跃升为研究决策者

9月17日，阿里巴巴通义实验室正式对外发布重大技术成果——通义DeepResearch研究型智能体系统。该系统通过在数据架构、智能体范式、训练机制、基础设施（Infra）及测试时扩展（Test Time Scaling）五大维度的系统性创新，首次实现了AI从"资料搬运"到"深度研究"的能力跃迁。更值得关注的是，通义实验室已将全套技术方案完全开源，此举有望加速全球AI研究型应用的技术突破与产业落地。

【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

与传统对话式AI不同，通义DeepResearch构建了完整的"研究闭环"能力体系。该系统能够围绕特定问题自主完成深度信息检索、多源证据交叉验证、结构化知识归纳，最终生成带有权威引用来源、可复现研究过程的专业报告及决策建议。这种能力使其在 Humanity's Last Exam、BrowseComp、GAIA、xbench-DeepSearch、WebWalkerQA 五大国际权威评测基准中，以30B-A3B轻量级模型规格创下全部榜单的SOTA（State-of-the-Art）性能记录，展现出超越模型规模限制的高效推理能力。

如上图所示，该可视化图表完整呈现了通义DeepResearch的技术架构全景，包括从信息检索到报告生成的研究闭环流程、在五大权威评测中的性能表现曲线以及高德地图、法律研究等典型应用场景。这一技术突破标志着AI已具备类研究员的系统性思维能力，为科研人员、行业分析师等专业群体提供了自动化研究的生产力工具。

在技术实现层面，通义DeepResearch团队创新性地提出了"双轨推理范式"。该范式既支持原生ReAct（Reasoning and Acting）模式的即时推理，又开发了上下文深度管理模式，能够处理超过10万token的超长文本序列，实现跨文档、跨领域的知识关联与逻辑构建。这种灵活的推理机制使智能体既能快速响应简单查询，又能胜任复杂学术研究、行业分析等深度任务。

产业落地方面，通义DeepResearch已在阿里巴巴生态内部完成多项成功实践。其中，与高德地图联合打造的"AI原生出行智能体"成为全球首个落地的地图类研究型应用。该智能体深度整合高德地图专属API接口、实时气象数据与交通监测系统，能够基于多源动态信息生成预见性决策建议。典型场景包括：在晚高峰来临前，通过分析历史交通流数据与实时路况，主动为交通枢纽出行用户规划包含拥堵规避、停车场预判的全链路最优方案，使平均出行时间缩短23%。

在对专业性与准确性要求极为严苛的法律领域，通义DeepResearch赋能的"通义法睿"智能体展现出卓越性能。该系统内置法律知识图谱与裁判文书分析引擎，可自动完成法条检索、类案比对与判决逻辑归纳。在近期开展的国际模型评测中，通义法睿在"法条引用相关性"和"案例引用相关性"两项核心指标上，以显著优势超越OpenAI、Claude等国际顶尖模型，综合评分位居第一。这一成果不仅验证了中国大模型在复杂推理场景的技术实力，更为法律从业者提供了从案例检索到法律意见生成的全流程辅助工具，据测算可使律师案头工作效率提升40%以上。

为推动研究型AI的技术普惠，通义实验室同步开放了完整的开源资源矩阵。开发者可通过Gitcode获取30B-A3B基础模型与智能体框架（仓库地址：https://gitcode.com/hf_mirrors/Alibaba-NLP/Tongyi-DeepResearch-30B-A3B），并可在Hugging Face、魔搭（ModelScope）等主流模型平台获取预训练权重。配套发布的技术博客详细阐述了研究闭环设计理念、多模态数据处理方案及性能优化技巧，为开发者提供从技术理解到应用开发的全链路指导。

通义DeepResearch的开源与落地，标志着AI产业正从通用对话向专业决策加速演进。这种具备系统性研究能力的智能体，有望在科研辅助、商业分析、政策研究等领域催生新型人机协作模式。随着技术开源后的生态共建，我们或将见证更多行业从"经验决策"向"数据驱动+AI增强"的决策范式转型，最终实现科研效率与产业价值的双重提升。

【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