---

🤗 HuggingFace ｜ ModelScope | 💬 微信 | 📰 博客 | 📑 论文

👏 欢迎通过我们的 Modelscope 在线演示 或 🤗 Huggingface 在线演示，或 bailian 服务 来体验通义深度研究！

[!NOTE] 此演示仅供快速探索使用。由于模型延迟和工具 QPS 限制，响应时间可能会有所不同或间歇性失败。为了获得稳定的体验，我们建议进行本地部署；若需生产级服务，请访问 bailian 并按照引导设置。

简介

我们推出 通义深度研究，这是一款具有 305 亿总参数的代理型大语言模型，每 token 只激活 33 亿参数。该模型由通义实验室开发，专为 长周期、深度信息检索 任务而设计。通义深度研究在一系列代理式搜索基准测试中表现出最先进的性能，包括 Humanity's Last Exam、BrowseComp、BrowseComp-ZH、WebWalkerQA、xbench-DeepSearch、FRAMES 和 SimpleQA。

通义深度研究基于我们之前在 WebAgent 项目上的工作。

更多详情请参阅我们的 📰 技术博客。

特点

• ⚙️ 全自动合成数据生成流水线：我们设计了一条高度可扩展的自动数据合成流水线，支持代理式预训练、监督微调和强化学习。
• 🔄 大规模持续代理式预训练：利用多样且高质量的代理式交互数据来扩展模型能力、保持模型新鲜度并增强推理性能。
• 🔁 端到端强化学习：我们采用基于自定义 Group Relative Policy Optimization 框架的严格 on-policy RL 方法，结合 token 级别的策略梯度、留一法优势估计以及对负样本的选择性过滤，以在非平稳环境中稳定训练。
• 🤖 兼容代理推理范式：在推理时，通义深度研究兼容两种推理范式：ReAct，用于严格评估模型的核心内在能力；以及基于 IterResearch 的“重型”模式，该模式采用测试时缩放策略来释放模型的最大性能潜力。

模型下载

您可以通过以下链接直接下载模型。

模型	下载链接	模型大小	上下文长度
Tongyi-DeepResearch-30B-A3B	🤗 HuggingFace 🤖 ModelScope	30B-A3B	128K

新闻

[2025/09/20]🚀 Tongyi-DeepResearch-30B-A3B 现已上线 OpenRouter! 请按照 快速入门 指南操作。

[2025/09/17]🔥 我们发布了 Tongyi-DeepResearch-30B-A3B。

深度研究基准测试结果

快速入门

本指南提供了设置环境和运行位于 inference 文件夹中的推理脚本的说明。

1. 环境设置

• 推荐 Python 版本：3.10.0（使用其他版本可能导致依赖问题）。
• 强烈建议使用 conda 或 virtualenv 创建隔离环境。

# Conda 示例
conda create -n react_infer_env python=3.10.0
conda activate react_infer_env

2. 安装

安装所需的依赖项：

pip install -r requirements.txt

3. 环境配置与评估数据准备

环境配置

通过复制示例环境文件来配置您的 API 密钥和设置：

cp .env.example .env
nano .env

准备评估数据

将评估数据放入 data/eval 文件夹中，并确保其格式符合要求。

4. 运行推理脚本

执行以下命令来运行推理脚本：

python inference.py --model tongyi-deepresearch-30b-a3b --input "你的输入文本"

5. 结果分析

查看输出文件以分析推理结果。

结语

通义深度研究代表了我们在代理式大语言模型领域的最新突破。我们相信，这一模型将在未来的科学研究、信息检索和其他复杂任务中发挥重要作用。感谢您的关注和支持！

---

复制示例环境文件

cp .env.example .env

编辑 `.env` 文件，并填写您实际的 API 密钥和配置值：

- **SERPER_KEY_ID**：从 [Serper.dev](https://serper.dev/) 获取用于网页搜索和 Google 学术的密钥。
- **JINA_API_KEYS**：从 [Jina.ai](https://jina.ai/) 获取用于网页内容读取的密钥。
- **API_KEY/API_BASE**：从 [OpenAI](https://platform.openai.com/) 获取与 OpenAI 兼容的 API，用于页面摘要生成。
- **DASHSCOPE_API_KEY**：从 [Dashscope](https://dashscope.aliyun.com/) 获取用于文件解析的密钥。
- **SANDBOX_FUSION_ENDPOINT**：Python 解释器沙盒端点（参见 [SandboxFusion](https://github.com/bytedance/SandboxFusion)）。
- **MODEL_PATH**：您的模型权重路径。
- **DATASET**：您的评估数据集名称。
- **OUTPUT_PATH**：保存结果的目录。

> **注意**：`.env` 文件已被添加到 `.gitignore` 中，因此您的密钥不会被提交到仓库。

#### 准备评估数据

系统支持两种输入文件格式：**JSON** 和 **JSONL**。

#### 支持的文件格式：

**选项 1：JSONL 格式（推荐）**
- 创建以 `.jsonl` 为扩展名的数据文件（例如 `my_questions.jsonl`）。
- 每一行必须是一个有效的 JSON 对象，包含 `question` 和 `answer` 键：
  ```json
  {"question": "法国的首都是什么？", "answer": "巴黎"}
  {"question": "请解释量子计算。", "answer": ""}

选项 2：JSON 格式

• 创建以 .json 为扩展名的数据文件（例如 my_questions.json）。
• 文件必须包含一个 JSON 数组，每个对象都包含 question 和 answer 键：

  [
    { "question": "法国的首都是什么？", "answer": "巴黎" },
    { "question": "请解释量子计算。", "answer": "" }
  ]
  

重要提示：answer 字段包含用于评估的 真实答案/参考答案。系统会针对问题生成自己的回答，这些参考答案将在基准测试中用于自动评估生成回答的质量。

文档处理中的文件引用：

• 如果使用 文件解析器 工具，请在 question 字段前加上文件名。
• 将引用的文件放置在 eval_data/file_corpus/ 目录下。
• 示例：{"question": "(已上传 1 个文件：['report.pdf'])\n\n主要发现是什么？", "answer": "..."}

文件组织结构：

project_root/
├── eval_data/
│   ├── my_questions.jsonl          # 您的评估数据
│   └── file_corpus/                # 引用的文档
│       ├── report.pdf
│       └── data.xlsx

4. 配置推理脚本

• 打开 run_react_infer.sh，并按照注释中的说明修改以下变量：
  • MODEL_PATH：本地或远程模型权重的路径。
  • DATASET：您的评估文件的完整路径，例如 eval_data/my_questions.jsonl 或 /path/to/my_questions.json。
  • OUTPUT_PATH：保存预测结果的路径，例如 ./outputs。
• 根据您启用的工具（检索、计算器、网页搜索等），提供所需的 API_KEY、BASE_URL 或其他凭证。每个密钥都在 Bash 脚本中进行了说明。

5. 运行推理脚本

bash run_react_infer.sh

通过以上步骤，您可以完全准备好环境、配置数据集并运行模型。如需更多详细信息，请参阅各脚本中的内嵌注释或提交问题。

6. 您可以使用 OpenRouter 的 API 来调用我们的模型

Tongyi-DeepResearch-30B-A3B 现已在 OpenRouter 上可用。您无需任何 GPU 即可运行推理。

您需要在文件 inference/react_agent.py 中进行以下修改：

• 在 call_server 函数中：将 API 密钥和 URL 设置为您 OpenRouter 账户的 API 和 URL。
• 将模型名称更改为 alibaba/tongyi-deepresearch-30b-a3b。
• 按照第 88–90 行 注释中的说明调整内容拼接方式。

基准评估

我们提供了针对各种数据集的基准评估脚本。请参阅 evaluation/ 目录以获取更多详细信息。

常见问题解答

请参阅 FAQ 以获取更多详细信息。

深度研究代理家族

Tongyi DeepResearch 还拥有一系列深度研究代理。更多信息请参阅以下论文：

[1] WebWalker：LLM 在网络遍历中的基准测试（ACL 2025）
[2] WebDancer：迈向自主信息搜寻代理（NeurIPS 2025）
[3] WebSailor：为网络代理导航超人类推理能力
[4] WebShaper：通过信息搜寻形式化实现代理式数据合成
[5] WebWatcher：突破视觉-语言深度研究代理的新前沿
[6] WebResearcher：释放长时程代理的无限推理能力
[7] ReSum：通过上下文摘要解锁长时程搜索智能
[8] WebWeaver：通过动态大纲构建网络规模证据，用于开放式深度研究
[9] WebSailor-V2：通过合成数据和可扩展强化学习弥合与专有代理之间的鸿沟
[10] 通过持续预训练扩展代理
[11] 通过环境扩展迈向通用代理智能
[12] AgentFold：具有主动上下文管理功能的长时程网络代理
[13] WebLeaper：赋能高效、信息丰富的网络代理搜索
[14] BrowseConf：面向网络代理的置信度引导测试时缩放
[15] 重新利用合成数据进行细粒度搜索代理监督
[16] ParallelMuse：用于深度信息搜寻的代理式并行思维
[17] AgentFrontier：借助 ZPD 引导的数据合成扩展 LLM 代理的能力边界
[18] 代理式信息搜寻中的嵌套浏览器使用学习

🌟 杂项

🚩 人才招聘

🔥🔥🔥 我们正在招聘！研究实习生岗位开放中（工作地点：杭州、北京、上海）

📚 研究方向：Web智能体、搜索智能体、智能体强化学习、多智能体强化学习、基于智能体的RAG

☎️ 联系方式：yongjiang.jy@alibaba-inc.com

联系方式

如有任何沟通需求，请联系Yong Jiang（yongjiang.jy@alibaba-inc.com）。

引用

@article{tongyidr,
  title={通义DeepResearch技术报告},
  author={通义DeepResearch团队 and 李百轩 and 张博 and 张丁楚 and 黄飞 and 李广宇 and 陈国新 and 尹慧峰 and 吴嘉龙 and 周景仁 and others},
  journal={arXiv预印本 arXiv:2510.24701},
  year={2025}
}