相比于海外的旗舰模型昂贵和限制的调用，通义 DeepResearch 团队做到了完全开源！开源模型，开源框架，开源方案！在 Humanity’s Last Exam、BrowseComp、BrowseComp-ZH、GAIA、xbench-DeepSearch, WebWalkerQA 以及 FRAMES 等多个 Benchmark 上，相比于基于基础模型的 ReAct Agent 和闭源 Deep Research Agent，其 30B-A3B 轻量级 tongyi  DeepResearch，达到了 SOTA 效果。

通义 DeepResearch 团队也在 Blog 和 Github 完整分享了一套可落地的 DeepResearch Agent 构建方法论，系统性地覆盖了从数据合成、Agentic 增量预训练 (CPT)、有监督微调 (SFT) 冷启动，到强化学习 (RL) 的端到端全流程。尤其在 RL 阶段，该团队提供了集算法创新、自动化数据构建与高稳定性基础设施于一体的全栈式解决方案。在推理层面，模型展现出双重优势：基础的 ReAct 模式无需提示工程即可充分释放模型固有能力；而深度模式 (test-time scaling) 则进一步探索了其在复杂推理与规划能力上的上限。

• Homepage:  https://tongyi-agent.github.io/
• Blog:  https://tongyi-agent.github.io/blog/introducing-tongyi-deep-research/
• Github:  https://github.com/Alibaba-NLP/DeepResearch
• Hugging Face:  https://huggingface.co/Alibaba-NLP/Tongyi-DeepResearch-30B-A3B
• Model Scope:  https://modelscope.cn/models/iic/Tongyi-DeepResearch-30B-A3B

1 数据策略：基于全合成数据的增量预训练和后训练

模型能力的提升，主要得益于通义 DeepResearch 团队设计的一套多阶段数据策略。这个策略的核心目标是，不依赖昂贵的人工标注，也能大规模地生成高质量的训练数据。

1.1 增量预训练数据

团队引入了 Agentic CPT（增量预训练）来为模型打下坚实的 Agent 基础。为此，开发了一个系统化、可扩展的数据合成方案。它能利用后续训练流程产生的数据，形成一个数据生成的正向循环。

• 数据重组和问题构建  基于广泛收集和增量更新的知识文档、公开可用的爬虫数据、知识图谱以及后训练产生的轨迹数据和工具调用返回结果（例如，搜索结果和网页访问记录）等，团队构建了一个以实体为锚定的开放世界知识记忆。进一步，研究者基于采样的实体和相关知识构造多风格的（问题，答案）对，以尽可能涵盖智能体所面临的真实场景。