摘要：阿里巴巴旗下的通义实验室最近发布了一款名为“通义DeepResearch”的智能体模型，它正是国内首个面向深度研究任务的开源模型，在一些关键指标上还超越了OpenAI和DeepSeek等知名模型，阿里是怎么做到的？

本文陈述所有内容，皆有可靠来源赘述在文章结尾

阿里巴巴旗下的通义实验室最近发布了一款名为“通义DeepResearch”的智能体模型，它正是国内首个面向深度研究任务的开源模型，在一些关键指标上还超越了OpenAI和DeepSeek等知名模型，阿里是怎么做到的？

通义DeepResearch采用了轻量化的设计，总参数量为300亿，但实际激活的仅有30亿，这使得它在高效运行的同时，依然在国际权威测试中取得了优异成绩。

更重要的是，阿里并没有把这项技术封闭起来，而是选择将模型、训练框架和完整解决方案在Hugging Face和GitHub上全面开源。

和传统的问答型AI不同，通义DeepResearch被设计成一个能够独立完成研究任务的智能体，它的工作流程包括四个核心阶段：深度搜寻、多源交叉验证、结构化归纳和报告生成，这意味着面对复杂问题时，它可以自主进行多轮信息搜集和分析，最终给出可靠的结论。

这款模型能应对从日常生活到专业领域的多种需求，而在法律、学术等专业场景中，它同样表现出色。

而就在AI界关注模型性能竞争的同时，一位年轻的研究者正悄悄改变AI理解世界的方式，OpenAI的华人研究员陈博远，不到4年就拿下MIT博士学位。

陈博远的研究还为AI提供了另一种突破方向，他专注的“世界模型”研究，旨在为AI构建一个类似人类认知的“大脑地图”，以前的AI处理任务就像走一步看一步，而有了世界模型，AI能提前预判环境变化，就像人在行动前会在脑子里模拟一遍过程。

通义DeepResearch的技术能力已经在阿里巴巴的多个业务场景中落地，在法律领域，通义法睿智能体集成了深度研究功能，提供问答、案例检索、合同审查和文书起草等一站式服务，通过迭代式规划与多步查询机制，该智能体能够根据真实判例和法规提供可追溯的法律分析。

并且通义的开源带来了多方面的价值：一方面为研究者提供了高性能的基础模型和训练框架，另一方面为开发者降低了构建领域智能体的技术门槛，其技术路径证明了轻量化模型在深度研究任务中的潜力，打破了参数规模与性能之间的简单线性关系。

通义DeepResearch代表了自主研究型智能体发展的重要一步，而陈博远的世界模型研究则指向了AI理解物理世界的未来，随着OpenAI在机器人领域的加速布局，陈博远的研究可能会迎来更广阔的舞台。

这两条技术路径虽然不同，但都指向同一个目标：让AI从“回答问题的工具”迈向“解决问题的伙伴”，通义DeepResearch通过开源和产业落地推动技术进步，而陈博远的研究则从底层改变AI理解世界的方式。它们的结合，或许正是打开下一代AI大门的钥匙。

来源：快看张同学一点号