AIAI 工具图鉴
← 返回全部文章
·约 14 分钟PPT

🔥 WebAgent：阿里最强 Deep Research Agent

Agent图像设计
下载 PPT下载视频

配套媒体

本页对应的 PPT 与演示视频

WebAgent-recommend.mp4
PPT
WebAgent-recommend.pptx浏览器不能直接打开 PPT，下载后用 PowerPoint / WPS / Keynote 查看
下载没反应？点这里复制直链

侧边栏预览窗口（Electron webview）会拦截下载，把下面的链接复制到 Chrome / Edge 地址栏打开即可保存。

PPT../../WebAgent-recommend.pptx
视频../../WebAgent-recommend.mp4
本文目录
  1. 🚀 什么是 WebAgent？
  2. ✨ 核心功能一览
  3. 🛠️ 快速上手：5 分钟跑通示例
  4. 安装
  5. 核心代码示例
  6. 📊 性能表现
  7. 💡 适用场景
  8. 深度研究与信息搜寻
  9. 基准测试与性能评估
  10. Web Agent 家族
  11. 用户群体总结
  12. 📊 与竞品对比
  13. 💰 定价方案
  14. 开源版（完全免费）
  15. 在线服务
  16. 🎯 总结

🔥 WebAgent：阿里最强 Deep Research Agent

封面图

阿里通义实验室推出的开源 Web Agent，专为长 horizon、深度信息搜寻任务设计，在多项权威基准测试中取得领先表现，性能媲美 OpenAI DeepResearch。

🚀 什么是 WebAgent？

WebAgent（正式名称：Tongyi DeepResearch）是阿里通义实验室开发的开源 Deep Research Agent，总参数量 305 亿，但每 token 仅激活 33 亿参数，实现了高效推理。模型专为长 horizon、深度信息搜寻任务设计，在 Humanity's Last Exam、BrowseComp、BrowseComp-ZH、WebWalkerQA、xbench-DeepSearch、FRAMES 和 SimpleQA 等多项代理搜索基准测试中取得了 SOTA（State-of-the-Art）性能。

GitHub stars GitHub forks

核心定位：首个在性能上可与 OpenAI DeepResearch 相媲美、并在多项权威基准测试中取得领先表现的全开源 Web Agent

✨ 核心功能一览

表格已转换为图片，适配头条/微信公众号发布

功能对比表

（说明：表格使用 Python Pillow 生成 PNG 图片，确保跨平台显示一致）

🛠️ 快速上手：5 分钟跑通示例

安装

方式一：本地部署（推荐）

  1. 克隆仓库
git clone https://github.com/Alibaba-NLP/DeepResearch.git
cd DeepResearch
  1. 创建 Python 虚拟环境（推荐 Python 3.10.0）
# 使用 Conda
conda create -n react_infer_env python=3.10.0
conda activate react_infer_env
  1. 安装依赖
pip install -r requirements.txt
  1. 配置环境变量
# 复制环境变量模板
cp .env.example .env

# 编辑 .env 文件，填写 API 密钥
# - SERPER_KEY_ID：从 Serper.dev 获取，用于 Web 搜索和 Google Scholar
# - JINA_API_KEYS：从 Jina.ai 获取，用于网页阅读
# - API_KEY/API_BASE：OpenAI 兼容 API，用于页面摘要
# - DASHSCOPE_API_KEY：从 Dashscope 获取，用于文件解析
# - SANDBOX_FUSION_ENDPOINT：Python 解释器沙箱端点
# - MODEL_PATH：模型权重路径
  1. 运行推理
bash run_react_infer.sh

方式二：使用 OpenRouter API（无需 GPU）

Tongyi DeepResearch-30B-A3B 已在 OpenRouter 上线，无需本地 GPU 即可运行：

  1. 访问 OpenRouter
  2. 获取 API Key
  3. 修改 inference/react_agent.py 文件：
    • 在 call_server 函数中设置 OpenRouter API Key 和 URL
    • 将模型名称改为 alibaba/tongyi-deepresearch-30b-a3b
    • 调整内容拼接方式（参考文件注释）

核心代码示例

# 准备评估数据（JSONL 格式）
# 创建文件 my_questions.jsonl
echo '{"question": "什么是量子计算？", "answer": ""}' > eval_data/my_questions.jsonl

# 运行 ReAct 模式推理
python inference/react_agent.py \
    --model_path /path/to/Tongyi-DeepResearch-30B-A3B \
    --dataset eval_data/my_questions.jsonl \
    --output_path ./outputs

注意：推荐使用 Python 3.10.0，其他版本可能导致依赖问题

📊 性能表现

性能对比图

WebAgent 在多项权威基准测试中表现出色：

  • Humanity's Last Exam：高难度综合能力测试
  • BrowseComp / BrowseComp-ZH：网页理解与问答（中英文）
  • WebWalkerQA：Web 导航与信息检索
  • xbench-DeepSearch：深度搜索能力评估
  • FRAMES：事实核查与信息验证
  • SimpleQA：简单问答准确性

💡 适用场景

深度研究与信息搜寻

性能对比图

功能说明：WebAgent 专为长 horizon、深度信息搜寻任务设计，能够自主进行多轮 Web 搜索、网页阅读、信息整合和推理，最终给出准确答案。相比传统的单轮问答，WebAgent 能够理解复杂问题，拆解任务，并持续追踪信息。

输入要求：

  • 自然语言问题（支持中英文）
  • 可选的参考文档（PDF、Excel、图片等）
  • API 密钥配置（Serper、Jina、OpenAI 等）

输出效果：

  • 结构化的研究答案
  • 多来源证据引用
  • 推理过程和思考链
  • 准确的事实核查

适用场景：

  • 学术研究文献调研
  • 行业报告深度分析
  • 复杂技术问题解答
  • 新闻事件深度追踪

基准测试与性能评估

基准测试结果

功能说明：WebAgent 在多项权威基准测试中取得了 SOTA 性能，包括 Humanity's Last Exam、BrowseComp、WebWalkerQA 等。基准测试覆盖了问答、理解、推理、信息检索等多个维度，全面评估 Agent 的综合能力。

输入要求：

  • 标准基准测试数据集
  • 评估脚本配置
  • 模型权重加载

输出效果：

  • 详细的测试得分报告
  • 与其他模型的对比分析
  • 逐任务的性能分解
  • 错误案例分析

适用场景：

  • 模型性能评估
  • 科研论文实验验证
  • 模型选型参考
  • 技术对比研究

Web Agent 家族

Web Agent 家族

功能说明：WebAgent 拥有庞大的 Deep Research Agent 家族，包括 WebWalker、WebDancer、WebSailor、WebShaper、WebWatcher、WebResearcher 等 17 个相关模型，覆盖了从 Web 导航到多模态、从并行思考到环境扩展的各个方向，形成完整的 Agent 生态系统。

输入要求：

  • 不同模型有特定的输入格式
  • 相应的数据集和工具配置
  • 适配的推理脚本

输出效果：

  • 针对 Agent 的特定优化能力
  • 不同任务场景的最佳表现
  • 多样化的 Agent 策略
  • 持续迭代改进

适用场景：

  • 不同 Agent 能力的实验对比
  • 特定任务的最优模型选择
  • Agent 技术研究参考
  • 未来发展方向探索

用户群体总结

  • ✅ 研究人员：需要深度信息搜寻和复杂推理能力的研究者
  • ✅ 开发者：想要集成 Deep Research 能力到应用的工程师
  • ✅ 企业用户：需要私有化部署和定制化的企业
  • ✅ 学术机构：需要开源模型进行教学和科研的单位
  • ❌ 不适合：需要实时性极高的简单问答场景

📊 与竞品对比

表格已转换为图片，适配头条/微信公众号发布

竞品对比表

（说明：对比表格使用 Python Pillow 生成 PNG 图片，确保跨平台显示一致）

💰 定价方案

开源版（完全免费）

  • 模型：Tongyi-DeepResearch-30B-A3B
  • 功能：完整的 Deep Research 能力，双推理范式
  • 限制：无使用限制，完全免费
  • 支持：社区支持，GitHub Issues
  • 开源协议：Apache 2.0

在线服务

💡 新用户福利：开源版完全免费，性能媲美 OpenAI DeepResearch

🎯 总结

WebAgent（Tongyi DeepResearch）是阿里通义实验室推出的开源 Deep Research Agent，总参数量 305 亿，每 token 仅激活 33 亿，实现了高效推理。模型在多项权威基准测试中取得了 SOTA 性能，性能媲美 OpenAI DeepResearch。支持 ReAct 和 IterResearch 两种推理范式，128K 超长上下文，多工具支持（Web 搜索、网页阅读、代码解释器等），完全开源免费，适合研究人员、开发者、企业和学术机构使用。

推荐指数：⭐⭐⭐⭐⭐（满分 5 星）

适合人群：

  • 研究人员和学术机构
  • 需要深度研究能力的开发者
  • 需要私有化部署的企业
  • 对 Web Agent 技术感兴趣的技术爱好者

立即体验：

GitHub 仓库：Alibaba-NLP/DeepResearch

论文：arXiv:2510.24701

博客：Tech Blog

本文由 AI 辅助生成，数据截至 2026 年 4 月，最新信息请以官网为准。