阿里通义实验室正式推出并开源了tongyi deepresearch，据称是首个在性能上可与openai deep research相媲美的开源web agent。
该模型采用MoE架构，总参数量达30B，每token仅激活3B参数，具备高达128K的上下文长度，支持ReAct与IterResearch两种推理模式。
Tongyi DeepResearch作为一款完全开源的Web Agent，其核心价值不仅体现在模型设计，更在于提供了一套完整、端到端的智能体训练体系。主要技术亮点包括：
- 全流程数据合成机制：摒弃传统高成本的人工标注方式，通过创新的数据自动生成方法，为智能体的持续预训练（CPT）、监督微调（SFT）和强化学习（RL）阶段提供大规模、高质量的训练数据。
- 端到端训练框架：构建了从“智能体持续预训练”到“强化学习优化”的闭环训练流程，并引入定制化的在策略强化学习算法GRPO，有效对齐模型行为与目标任务目标。
- 双模推理能力：除标准ReAct模式外，还独创支持基于IterResearch范式的“重模式”（Heavy Mode），通过任务解构与工作区动态重组，缓解长周期任务中的“认知瓶颈”，显著提升复杂任务下的推理与规划能力。
目前，模型权重、训练方法及相关工具已全面开源，发布于GitHub、HuggingFace及ModelScope平台。同时配套开源了Python 3.10运行环境、JSONL格式评测脚本及benchmark评估工具，便于开发者快速部署、测试与二次开发。
项目主页：https://www.php.cn/link/37c77fc83549b5204e788fb979887c92
技术博客：https://www.php.cn/link/37c77fc83549b5204e788fb979887c92/blog/introdung-tongyi-deep-research/
GitHub仓库：https://www.php.cn/link/109e3ceb0fb7112c1e9e4a3b45e68212
