通义DeepResearch开源：300亿参数只激活30亿，3分钟写完万字文献综述！

通义DeepResearch是一个开源的深度研究智能体，拥有300亿参数，每次激活30亿参数。它专为长周期、深度信息检索任务设计，支持ReAct模式和深度模式（Heavy Mode），后者通过迭代研究范式（IterResearch）提升复杂推理能力。该项目采用全流程合成数据方案，无需人工干预即可生成高质量数据集，突破智能体能力上限。训练流程涵盖智能体持续预训练（Agentic CPT）、监督微调（SFT）和强化学习（RL），形成完整的端到端训练链路。

（一）长周期深度信息检索

通义DeepResearch能够处理多步骤的推理和规划任务，适用于学术研究、市场分析、政策制定等复杂场景。它可以在长时间内持续搜索和整合信息，直到找到问题的答案。

（二）多模式推理支持

支持ReAct模式和深度模式。ReAct模式严格遵循“思考-行动-观察”循环，适合评估模型的核心能力；深度模式通过迭代研究范式（IterResearch）提升复杂推理能力。

（三）全流程合成数据生成

采用自研的全流程合成数据方案，无需人工干预即可生成高质量数据集，支持从预训练到微调再到强化学习的完整训练链路，突破智能体能力上限。

（四）业务应用赋能

目前已成功应用于阿里巴巴内部多个场景，如与高德地图合作推出的AI原生出行Agent，可以结合实时数据为用户提供精准的出行建议和规划；在法律领域，“通义法睿”能够自动检索法条、类案和裁判文书，为法律从业者提供强大的生产力工具，提高法律研究和案件处理的效率。

（五）项目开源共建

项目完全开源，提供完整的代码、模型和数据；大家可以根据自己的需求对通义DeepResearch进行定制和优化，开发出更多具有创新性的应用。推动深度研究智能体的发展和创新。

（一）全流程合成数据方案

无需人工干预，自动生成高质量数据集，支持从预训练到微调再到强化学习的完整训练链路，突破智能体能力上限。

（二）迭代研究范式（IterResearch）

将复杂任务分解为多个研究回合，每个回合动态重构精简工作区，通过“思考-综合-行动”流程，提升复杂推理能力和决策质量。

（三）端到端强化学习

采用定制化的强化学习算法，如Group Relative Policy Optimization (GRPO)，确保学习信号与模型当前能力精准匹配，提升模型在动态环境中的适应性和稳定性。

（四）大规模持续预训练

利用持续更新的知识文档、爬虫数据、知识图谱等构建开放世界知识记忆，生成多风格的（问题，答案）对，持续扩展模型能力。

（五）自动化数据管理

在训练动态的指导下实时优化数据，通过全自动数据合成和数据漏斗动态调整训练集，确保训练的稳定性和性能提升。

（六）稳定高效的工具沙盒

开发统一的沙盒环境，处理并发和故障，确保工具调用的稳定性和可靠性，为智能体提供快速且鲁棒的交互环境。

（一）学术研究

学术研究中，学者筛选整理海量文献耗时艰巨。通义DeepResearch信息检索整合能力强，能快速在学术数据库等找相关文献，筛选分类、提取关键信息，快速整理文献综述。助学者高效完成研究，节省时间精力，投入创新研究，提升效率。

（二）市场分析

竞争激烈的商业环境下，企业需把握市场动态、了解对手及行业趋势以制定精准策略。通义DeepResearch可深入分析市场数据，整合行业报告、调研数据、企业财报等，提供全面的竞争对手分析，对比企业与对手在产品、份额、营销等方面优劣，结合行业趋势助企业预测市场走向。基于分析结果，企业能制定更具针对性和前瞻性的策略，提升竞争力，实现可持续发展。

（三）法律研究

法律研究与实践需深入分析大量法条、类案和裁判文书。通义DeepResearch在法律研究表现出色，如“通义法睿”可自动检索法律数据库，快速定位相关资料，还能深度归纳分析、提取关键信息、建立知识体系，为法律从业者提供高效工具，提升办案时获取依据、推理论证的效率与质量。

（四）出行规划

出行规划需考虑交通、天气、个人偏好等多因素，要实时处理大量数据。通义DeepResearch与高德地图合作推出AI原生出行Agent，结合交通、地图、天气等数据，依用户出发地、目的地和时间，综合考量交通方式优劣，推荐最优出行方案，保障用户最短时间到达，还提供实时路况与预警，让出行更便捷高效。

（五）复杂信息检索

当今信息时代，跨领域研究、政策制定等领域的研究与决策需复杂信息检索整合，任务涉及多领域知识，需多步骤推理规划。通义DeepResearch适用于此类任务，能依用户需求制定检索策略，经多轮检索推理缩小范围，快速获取整合信息，有机结合不同领域、来源信息，为用户提供全面准确信息支持，助其明智决策。

（一）环境搭建

1. 安装依赖

确保已安装Python 3.10.0版本，使用`conda`或`virtualenv`创建独立环境。

conda create -n react_infer_env python=3.10.0conda activate react_infer_env

2. 安装必需的依赖

pip install -r requirements.txt

（二）配置环境

1. 复制环境文件

将`.env.example`复制为`.env`，并根据实际情况填写API密钥和配置。

cp .env.example .env

2. 准备评估数据：支持JSON和JSONL两种格式的输入文件。

• JSONL格式（推荐）：

```

{"question": "What is the capital of France?", "answer": "Paris"}

{"question": "Explain quantum computing", "answer": ""}

```

• JSON格式：

```

[

{"question": "What is the capital of France?", "answer": "Paris"},

{"question": "Explain quantum computing", "answer": ""}

]

```

（三）运行推理脚本

1. 配置推理脚本

打开`run_react_infer.sh`，根据注释修改`MODEL_PATH`、`DATASET`和`OUTPUT_PATH`等变量。

2. 运行推理脚本

执行以下命令运行推理脚本：

bash run_react_infer.sh

3. 使用OpenRouter API调用模型

如果需要通过OpenRouter API调用模型，需在`inference/react_agent.py`中设置API密钥和URL，并将模型名称更改为`alibaba/tongyi-deepresearch-30b-a3b`。

通义DeepResearch作为一款开源的深度研究智能体，凭借其强大的功能和先进的技术，为复杂信息检索和多步推理任务提供了全新的解决方案。它不仅在学术研究、市场分析、法律研究和出行规划等场景中展现出巨大的应用价值，还通过开源的方式鼓励开发者参与共建，共同推动深度研究智能体的发展和创新。

项目官网：https://tongyi-agent.github.io/blog/introducing-tongyi-deep-research/

Github仓库：https://github.com/Alibaba-NLP/DeepResearch

HuggingFace模型库：https://huggingface.co/Alibaba-NLP/Tongyi-DeepResearch-30B-A3B

点亮“关注”，设为“星标”，精彩不迷路！与你携手探索AI的无限可能，精彩内容持续更新！🚀