阿里巴巴旗下通义团队近日宣布推出全新AI研究工具——通义DeepResearch，标志着人工智能从基础交互向深度研究能力的跨越式发展。该模型在Humanity's Last Exam、BrowseComp等七大权威基准测试中刷新最佳成绩，30B参数版本实现与海外旗舰模型持平甚至超越的表现，同时以完全开源策略打破技术壁垒，覆盖模型架构、训练框架及解决方案全链条。
技术突破的核心在于创新的数据工程体系。研究团队构建了三级数据生成管道：首阶段通过知识图谱与爬虫数据构建实体锚定知识库，生成覆盖200余种场景的问答对；中段开发动作合成引擎，自动生成规划、推理、决策三类动作数据，消除对商业API的依赖；终段采用模糊化策略与集合论建模，系统提升问题复杂度。该方案使数据质量超越人工标注，支持从网页遍历到学术检索的全场景训练。
在强化学习领域，团队提出GRPO优化算法框架，通过token级策略梯度损失与留一法优势估计，将方差降低40%。基础设施层面，搭建离线维基百科模拟环境与工具沙盒系统，使训练效率提升3倍。自动数据管理系统通过动态漏斗机制，实时优化训练集构成，形成"数据生成-模型训练"的正向循环。这种全栈式解决方案使30B参数模型在复杂推理任务中展现出博士级研究能力。
模型提供双模式推理架构：标准ReAct模式支持128K上下文窗口，适用于高频交互场景；深度模式（Heavy Mode）采用IterResearch范式，将任务解构为多轮研究周期。每轮通过核心报告提炼机制，保持认知焦点的同时提升推理质量。研究显示，该模式使长期任务成功率提升65%，特别在需要跨学科知识整合的场景中表现突出。
实际应用层面，高德出行Agent成为首个落地案例。通过整合地图导航与本地生活服务工具，该系统可处理"周末亲子游+餐厅预订+交通规划"等复合需求。法律领域推出的通义法睿平台，集成案例检索、合同审查等五大功能，在答案要点完整性、法条匹配精准度等维度达到行业领先水平。目前模型已开放Hugging Face与ModelScope双平台下载，配套发布11篇技术论文，详细披露从持续预训练到强化学习的全流程实现细节。
研究团队强调，合成数据质量与训练环境稳定性是项目成功的关键因素。实验表明，纯合成数据训练的模型在BrowseComp测试集上表现优于混合数据方案23%。这种发现为AI Agent训练提供了新范式，特别是在需要处理动态环境与复杂推理的场景中具有重要指导意义。随着30B-A3B模型的全面开源，深度研究能力将加速向各行业渗透。
