編輯 | 漠影

智東西AI前瞻7月8日報道，昨日，阿里巴巴通義實驗室正式開源其最新網絡智能體WebSailor，該智能體在多個高難度任務評測中刷新了開源系統的最好成績，成爲首個在BrowseComp等基準上逼近閉源系統能力的開源方案。

WebSailor可在開放網頁環境中自主跳轉頁面、查找信息、整合多源線索並完成推理，適用於處理路徑不明確、問題模糊、需多步判斷的複雜檢索任務。

7月3日，WebSailor技術報告在Hugging Face Papers當日熱度榜中排名第一，成爲當天關注度最高的AI論文之一。

該項目的模型代碼、訓練方法與評測數據集也已同步在GitHub開源。

GitHub地址：https://github.com/Alibaba-NLP/WebAgent

一、評測表現：首次在BrowseComp任務中追近閉源模型

WebSailor-72B版本在三大公開評測集上表現突出：

1、BrowseComp-en：12.0%

2、BrowseComp-zh：30.1%

3、GAIA（信息檢索子集）：55.4%

其中，BrowseComp是由OpenAI發佈的網頁智能體評測集，覆蓋1266個難度極高的檢索任務，考察模型在開放網頁上的搜索、篩選、整合和推理能力。

在BrowseComp等評測中，WebSailor在開源智能體中實現斷層領先，超過DeepSeek R1等開源方案，並首次在多個指標上逼近Grok-3、Doubao-Search等閉源方案。

值得注意的是，儘管訓練聚焦高難任務，WebSailor在面向初級問答的SimpleQA子集上也展現出泛化能力。

在該任務中，WebSailor-72B取得93.5%的準確率，超過包括WebDancer、WebThinker、DeepSeek等多種方案。

WebSailor在多個維度評測中均位列開源智能體第一，進一步縮小了與OpenAI DeepResearch等閉源系統的差距。

二、打造高不確定性任務集，提升Agent複雜推理能力

WebSailor的核心突破在於其完整的後訓練（post-training）方案，貫穿數據生成、冷啓動調優、強化學習三大階段：

1、高不確定性任務合成

通義團隊構建了名爲SailorFog-QA的問答數據集，旨在模擬高不確定性、模糊路徑的信息檢索任務，採用以下方式生成問題樣本：

通過“隨機遊走”模擬網頁跳轉行爲，在真實網頁中構建複雜知識圖譜；

利用“圖結構採樣 + 信息模糊化”處理，製造多跳、非線性、起點不明的問題，提升任務不確定性。

2、冷啓動微調（RFT）

該智能體基於Qwen-2.5（3B、7B、32B、72B）系列模型進行初始化，並通過對專家路徑的壓縮重構，生成清晰的中間推理步驟，從而增強其在複雜任務路徑中的可控性與穩定性。

3、高效強化學習算法：DUPO

WebSailor引入強化學習新算法Duplicating Sampling Policy Optimization（DUPO），採用雙階段動態採樣策略：

RL前期：剔除過於簡單的問題，集中訓練高難度軌跡；

RL訓練中：重複採樣困難軌跡結果，並加入當前批次以高效迭代。

該策略在提升效果的同時，將複雜Agent的強化學習訓練速度提升2–3倍。

三、產品線佈局：從基準構建，到原生瀏覽器智能體

WebSailor是通義實驗室“Web智能體”系列的第三項重要發佈：

WebWalker（2025年1月）：主攻網頁任務評測基準構建，提升評測標準化與復現性；

WebDancer（2025年5月）：關注自主檢索Agent策略學習，強化信息蒐集與自決能力；

WebSailor（2025年7月）：整合任務構建、調優與強化學習方法，首次在開源系統中實現對閉源系統的能力追近。

通義團隊稱，後續將繼續擴展該系列，構建“基於瀏覽器的原生智能體框架”，適配更多開放式、跨模態的複雜推理場景。

結語：朝“開源版DeepResearch”邁進一步

從大規模任務合成到高效強化學習，從Benchmarks構建到模型開源，WebSailor正逐步進化。

雖然距離OpenAI等閉源系統仍有差距，但其在複雜任務上的大幅進展，正在爲“開源Agent可用化”提供新的可能性。

如果說DeepResearch代表了閉源網絡Agent的能力上限，那麼WebSailor的誕生，或許意味着開源世界正開始接近那道分水嶺。