DeepAgent與DeepSearch霸榜！答案指向openJiuwen這一開(kāi)源項(xiàng)目

編輯｜冷貓

2026 開(kāi)年至今，人工智能圈子最火的是一只小龍蝦 Clawdbot 。

從 Clawdbot 到 OpenClaw，歷經(jīng)兩次改名都無(wú)法阻擋大家對(duì)它的熱情，一種全球性的集體渴望正在浮現(xiàn) —— 人們迫切希望擁有一個(gè)更高級(jí)、更通用、更可靠的超級(jí)智能體

過(guò)去的一年里，Agent 層出不窮，2025 年甚至被稱(chēng)為是「AI 智能體元年」。 衡量一款智能體的真正實(shí)力，既要看通用場(chǎng)景的綜合解決能力，也需要考量垂直領(lǐng)域的核心專(zhuān)項(xiàng)能力，而 GAIA 通用智能基準(zhǔn)榜單和 BrowseComp-Plus 深度研究基準(zhǔn)榜單，比任何概念討論都更加直接。

去年，創(chuàng)業(yè)公司 Manus 的智能體爆火，也一并帶火了 GAIA 榜單。自此以后似乎每家的智能體都會(huì)試著在 GAIA 上刷個(gè)榜。而聚焦深度研究與網(wǎng)頁(yè)瀏覽能力的 BrowseComp-Plus 基準(zhǔn)測(cè)試，也憑借嚴(yán)苛的評(píng)測(cè)標(biāo)準(zhǔn)，成為智能體檢索能力的核心比拼賽場(chǎng)。

最近，我們?cè)诜唭纱蟀駟螘r(shí)發(fā)現(xiàn)，榜首位置均迎來(lái)了新突破：基于 openJiuwen 這一新興開(kāi)源項(xiàng)目構(gòu)建的 DeepAgent 和 DeepSearch 雙雙登頂 GAIA 和 BrowseComp-Plus 榜首。

DeepAgent 登頂 GAIA 榜首

基于 openJiuwen 構(gòu)建的DeepAgent 以 91.69% 的成績(jī)登頂 GAIA 榜首。一舉超越英偉達(dá) Nemotron，以及一眾海內(nèi)外領(lǐng)先的智能體。

• 榜單鏈接：https://gaia-benchmark-leaderboard.hf.space/

GAIA 打榜：直面 Agent 最大的挑戰(zhàn)

GAIA 并不是一個(gè)討好大模型的榜單。

GAIA 是一個(gè)由Meta 與 Hugging Face聯(lián)合打造、專(zhuān)門(mén)面向 通用 Agent 能力 的評(píng)測(cè)基準(zhǔn)，覆蓋 長(zhǎng)程任務(wù)規(guī)劃、多模態(tài)理解、工具調(diào)用、復(fù)雜推理、執(zhí)行魯棒性等 12 類(lèi)核心能力，設(shè)置 Level 1-3 三個(gè)等級(jí)難度，Level 3 級(jí)別的任務(wù)難度已接近人類(lèi)水平，評(píng)測(cè)采用封閉測(cè)試集和自動(dòng)化評(píng)分機(jī)制，全面而嚴(yán)苛地考核智能體的綜合能力水平。

根據(jù) Hugging Face 上對(duì) GAIA 評(píng)測(cè)的簡(jiǎn)介信息，人類(lèi)參與者在這一基準(zhǔn)測(cè)試上平均成功率大約達(dá)到 92%，而 GPT-4 即使有插件的幫助，也只能達(dá)到約 15% 左右的表現(xiàn)。

GAIA 的評(píng)測(cè)設(shè)計(jì)有幾個(gè)鮮明特點(diǎn)，它與傳統(tǒng) AI 基準(zhǔn)的區(qū)別非常明顯，能夠?qū)⒋罅俊缚雌饋?lái)很聰明」的智能體擋在門(mén)外。

1.真實(shí)世界難度（Real-world difficulty）：任務(wù)不僅涉及語(yǔ)言理解，還要求 推理、計(jì)劃、多模態(tài)處理、工具調(diào)用和執(zhí)行行為，逼近真實(shí)場(chǎng)景中智能體需要完成的工作。

2.人類(lèi)可解釋性（Human interpretability）：盡管任務(wù)對(duì)于 AI 很難理解，但對(duì)人類(lèi)而言概念清晰、可驗(yàn)證；這使得評(píng)估結(jié)果更可信，也有助于對(duì)比人機(jī)差距。

3.防刷榜策略（Non-gameability）：GAIA 強(qiáng)調(diào)的是任務(wù)執(zhí)行全過(guò)程的質(zhì)量，正確答案需要完整執(zhí)行任務(wù)，「暴力破解」的方法無(wú)效。

openJiuwen-deepagent 以 91.69% 的分?jǐn)?shù)的登頂，已經(jīng)幾乎無(wú)限接近人類(lèi)參與者在 GAIA 測(cè)試上的約 92% 的成績(jī)。

這一成績(jī)意味著它在 規(guī)劃、執(zhí)行穩(wěn)定性、工具協(xié)同、多模態(tài)理解與任務(wù)閉環(huán)等維度形成了系統(tǒng)級(jí)優(yōu)勢(shì)，意味著通用智能體已經(jīng)能夠達(dá)到接近人類(lèi)的任務(wù)執(zhí)行能力。

DeepAgent 實(shí)際表現(xiàn)。任務(wù)：基于 youtube 做菜視頻，自動(dòng)分析并購(gòu)買(mǎi)食材。

以一個(gè)典型的 browser use 任務(wù)為例，就能直觀看出 DeepAgent 的「執(zhí)行力天花板」。

用戶(hù)只需下發(fā)一個(gè)指令，DeepAgent 就能夠?qū)崿F(xiàn)解析 YouTube 美食視頻，自動(dòng)識(shí)別食材清單；隨后在電商網(wǎng)站中按清單逐項(xiàng)搜索、加購(gòu)，并實(shí)時(shí)進(jìn)行比價(jià)校驗(yàn)。待所有食材準(zhǔn)備就緒后，Agent 將操作權(quán)交還給用戶(hù)確認(rèn)支付，整個(gè)流程一氣呵成，展現(xiàn)出在真實(shí)復(fù)雜場(chǎng)景中的穩(wěn)定執(zhí)行能力。

DeepAgent 背后：解鎖霸榜能力

DeepAgent 能夠登頂 GAIA，并不是偶然，而是因?yàn)樗谠O(shè)計(jì)之初就已正中榜單「命門(mén)」。在 GAIA 評(píng)測(cè)中，高分意味著同時(shí)滿足幾個(gè)苛刻條件：

• 能理解模糊、長(zhǎng)鏈路、多約束的自然語(yǔ)言任務(wù)
• 能進(jìn)行多步規(guī)劃，而不是線性執(zhí)行
• 能穩(wěn)定調(diào)用工具、訪問(wèn)網(wǎng)頁(yè)、處理文件、執(zhí)行代碼
• 能在失敗或信息缺失時(shí)自我修正，避免崩潰或幻覺(jué)

三大核心理念，揭開(kāi)了 DeepAgent「霸榜 GAIA」的秘密。

1、Agent 動(dòng)態(tài)自演進(jìn)引擎：從「線性執(zhí)行」到「閉環(huán)自治」

在實(shí)際任務(wù)中，Agent 面對(duì)的是自然語(yǔ)言指令，需要將自然語(yǔ)言指令結(jié)構(gòu)化，把模糊需求拆解為可落地的步驟。在執(zhí)行任務(wù)時(shí)，Agent 必須能夠根據(jù)實(shí)時(shí)反饋動(dòng)態(tài)調(diào)整計(jì)劃，確保任務(wù)在變化中能夠順利完成。

為此，DeepAgent 同時(shí)運(yùn)行「規(guī)劃 — 執(zhí)行」與「觀測(cè) — 反思」兩條閉環(huán)：它不只是將自然語(yǔ)言指令結(jié)構(gòu)化拆解，更像是一位擁有「監(jiān)控室」的指揮官：在運(yùn)行時(shí)持續(xù)審視執(zhí)行結(jié)果。一旦感知到環(huán)境異常或邏輯偏移，系統(tǒng)會(huì)立即觸發(fā)局部回滾與自我修復(fù)，避免智能體陷入「不撞南墻不回頭」的典型失敗模式。

同時(shí)，基于openJiuwen 的 Agent 自演進(jìn)能力，DeepAgent 為其核心引擎裝上了可演進(jìn)外置記憶模塊作為「數(shù)字大腦」。這不只是簡(jiǎn)單的數(shù)據(jù)存儲(chǔ)，而是一個(gè)具備自愈能力的認(rèn)知中心：可精準(zhǔn)診斷任務(wù)執(zhí)行錯(cuò)誤的癥結(jié)，依托外置記憶的反饋機(jī)制實(shí)現(xiàn)邏輯的閉環(huán)修正，自主生成優(yōu)化策略后驅(qū)動(dòng)后續(xù)執(zhí)行能力持續(xù)迭代提升。

2、多層級(jí)上下文引擎：保障 Agent 認(rèn)知一致性

在 GAIA 這類(lèi)高難度任務(wù)中，真正的挑戰(zhàn)往往在于「是否基于可靠信息持續(xù)推理」。為此，DeepAgent 設(shè)計(jì)了一套分層融合、全程可溯、長(zhǎng)程一致的上下文系統(tǒng)。將會(huì)話記錄、項(xiàng)目知識(shí)、領(lǐng)域規(guī)則與實(shí)體關(guān)系分層存儲(chǔ)與動(dòng)態(tài)關(guān)聯(lián)，形成結(jié)構(gòu)化體系。每個(gè)推理步驟附加來(lái)源證據(jù)鏈，確保輸出結(jié)果的可解釋性。

同時(shí)，基于openJiuwen 上下文壓縮能力，在長(zhǎng)程任務(wù)中，及時(shí)壓縮與卸載無(wú)關(guān)上下文，使 Agent 在長(zhǎng)程任務(wù)中保持內(nèi)在一致性和可信度，而不是越走越「失真」。

3、異步工具編排總線：實(shí)現(xiàn)異構(gòu)工具的統(tǒng)一調(diào)度與可靠執(zhí)行

面對(duì)復(fù)雜工具鏈，凌亂的 API 調(diào)用往往是系統(tǒng)崩潰的誘因，Agent 必須具備像調(diào)度團(tuán)隊(duì)一樣調(diào)用不同的專(zhuān)家模塊，各司其職。同時(shí)，它也必須能夠在合適的時(shí)機(jī)使用外部工具和系統(tǒng)，確保執(zhí)行既高效又可靠。

GAIA 的任務(wù)大量涉及真實(shí)環(huán)境操作，DeepAgent 并未將這些能力零散地「外包」給各類(lèi)獨(dú)立工具，而是通過(guò)統(tǒng)一的工具網(wǎng)關(guān)與編排機(jī)制，把外部 API、系統(tǒng)與數(shù)據(jù)庫(kù)抽象為標(biāo)準(zhǔn)化能力節(jié)點(diǎn)，不僅支持高并發(fā)的異步調(diào)度，更實(shí)現(xiàn)了工具調(diào)用的可控、可查、可回放，支持執(zhí)行過(guò)程復(fù)盤(pán)與可靠性審計(jì)。

在 GAIA 的真實(shí)環(huán)境操作中，DeepAgent 像調(diào)度專(zhuān)家團(tuán)隊(duì)一樣精準(zhǔn)分配任務(wù)，確保每一次工具輸出都能轉(zhuǎn)化為穩(wěn)定得分的生產(chǎn)力。

整個(gè)任務(wù)流程下來(lái)，這些能力像一串解鎖的技能樹(shù)，共同支撐智能體在 GAIA 的復(fù)雜任務(wù)中穩(wěn)穩(wěn)得分。在 Agent 進(jìn)入生產(chǎn)力時(shí)代的拐點(diǎn)上，真正決定上限的，不是模型，而是智能體能力設(shè)計(jì)的深度。

DeepSearch 登頂 BrowseComp-Plus 榜首

基于 openJiuwen 構(gòu)建的DeepSearch 以 80% 的準(zhǔn)確率登頂 BrowseComp-Plus 榜首

• 榜單鏈接：https://huggingface.co/spaces/Tevatron/BrowseComp-Plus

BrowseComp-Plus 榜單：攻堅(jiān)深度搜索核心考驗(yàn)

BrowseComp-Plus 是業(yè)內(nèi)衡量智能體深度搜索、研究與網(wǎng)頁(yè)瀏覽能力的核心權(quán)威基準(zhǔn)，作為OpenAI BrowseComp基準(zhǔn)的升級(jí)版本，覆蓋多跳檢索、跨源信息整合、檢索推理規(guī)劃及網(wǎng)頁(yè)內(nèi)容理解等核心能力。考驗(yàn)智能體從海量語(yǔ)料中高效挖掘有效信息、排除干擾并形成精準(zhǔn)答案的實(shí)戰(zhàn)能力。

BrowseComp-Plus 評(píng)分機(jī)制極具科學(xué)性：

1. 采用固定人工驗(yàn)證語(yǔ)料庫(kù)搭建測(cè)試環(huán)境，每個(gè)測(cè)試問(wèn)題均配套人類(lèi)驗(yàn)證的支撐文檔與高難度干擾文檔，徹底規(guī)避實(shí)時(shí)網(wǎng)絡(luò)動(dòng)態(tài)性帶來(lái)的評(píng)測(cè)偏差。

2. 以嚴(yán)格準(zhǔn)確率為核心評(píng)分維度，輔以檢索調(diào)用效率指標(biāo)綜合判定，通過(guò)標(biāo)準(zhǔn)化自動(dòng)化評(píng)分體系全程無(wú)人工干預(yù)。

3.結(jié)果可驗(yàn)證，依托固定化的人工驗(yàn)證語(yǔ)料庫(kù)，所有答案均有明確的溯源依據(jù)，徹底規(guī)避實(shí)時(shí)網(wǎng)絡(luò)動(dòng)態(tài)性帶來(lái)的評(píng)測(cè)偏差，讓評(píng)測(cè)結(jié)果可復(fù)現(xiàn)、可審計(jì)，最大程度保障評(píng)測(cè)公平性。

憑借專(zhuān)業(yè)的評(píng)測(cè)設(shè)計(jì)，BrowseComp-Plus 榜單已成為全球頂尖機(jī)構(gòu)檢驗(yàn)深度搜索智能體真實(shí)實(shí)力的重要依據(jù)。openJiuwen-deepsearch 以 80% 的準(zhǔn)確率登頂，意味著它在多跳深度搜索、跨源信息整合、干擾信息甄別、網(wǎng)頁(yè)內(nèi)容理解等維度形成了核心技術(shù)優(yōu)勢(shì)，標(biāo)志著智能體在深度搜索與網(wǎng)頁(yè)交互領(lǐng)域的實(shí)用能力實(shí)現(xiàn)了突破性提升。

DeepSearch 背后：深度研究的標(biāo)桿引擎

真實(shí)世界的搜索，往往意味著：

• 多輪追問(wèn)與反復(fù)驗(yàn)證
• 跨來(lái)源信息比對(duì)與溯源
• 大量噪聲與誤導(dǎo)信息干擾
• 長(zhǎng)鏈路推理與證據(jù)閉環(huán)構(gòu)建

DeepSearch 通過(guò)構(gòu)建三大核心引擎，將復(fù)雜查詢(xún)問(wèn)題建模為狀態(tài)空間，通過(guò)動(dòng)態(tài)擴(kuò)展與探索，像人類(lèi)專(zhuān)家一樣多角度思考，每個(gè)搜索動(dòng)作都基于實(shí)時(shí)狀態(tài)生成。

1、實(shí)體認(rèn)知引擎：自動(dòng)識(shí)別關(guān)鍵實(shí)體，建立可追蹤的狀態(tài)演變歷史

深度研究的第一步，是理解問(wèn)題結(jié)構(gòu)。識(shí)別關(guān)鍵實(shí)體，并通過(guò)線索引用關(guān)系建立關(guān)聯(lián)。系統(tǒng)會(huì)抽取人物、機(jī)構(gòu)、事件等核心變量，建立線索之間的引用關(guān)系并持續(xù)跟蹤每個(gè)實(shí)體的狀態(tài)演化軌跡。

基于openJiuwen 的上下文引擎，系統(tǒng)將問(wèn)題狀態(tài)統(tǒng)一建模為可持續(xù)更新的結(jié)構(gòu)化上下文。每一次搜索動(dòng)作都會(huì)觸發(fā)狀態(tài)增量更新，使實(shí)體關(guān)系與推理進(jìn)展保持一致性與可追蹤性。

2、并行推理路徑管理：將復(fù)雜問(wèn)題分解為多分支推理路徑，動(dòng)態(tài)維護(hù)動(dòng)作池

面對(duì)復(fù)雜多跳問(wèn)題，DeepSearch 不像傳統(tǒng)檢索那樣沿著單一路徑前進(jìn)，而是構(gòu)建多角度推理樹(shù)，在 openJiuwen 的多工作流控制機(jī)制下，并發(fā)探索多個(gè)可能的解決方案路徑，維護(hù)一個(gè)動(dòng)態(tài)擴(kuò)展的動(dòng)作池（Action Pool），集中資源探索高潛力路徑，大幅提升檢索效率。

系統(tǒng)能夠同時(shí)保留多條候選路徑，并發(fā)探索不同信息來(lái)源，持續(xù)評(píng)估路徑價(jià)值，通過(guò)概率采樣機(jī)制，系統(tǒng)優(yōu)先執(zhí)行高價(jià)值路徑，低價(jià)值路徑自然被邊緣化。以此能夠讓系統(tǒng)在復(fù)雜環(huán)境中保持穩(wěn)定探索能力

3、智能行動(dòng)探索系統(tǒng)：異步并發(fā)與自適應(yīng)調(diào)度，動(dòng)態(tài)調(diào)整搜索動(dòng)作優(yōu)先級(jí)，平衡探索深度與路徑多樣性

深度搜索最大的挑戰(zhàn)之一，是一個(gè)兩難問(wèn)題。搜太少，容易錯(cuò)過(guò)關(guān)鍵證據(jù)；搜太多，又會(huì)被噪聲淹沒(méi)。

為了平衡效率與覆蓋率，DeepSearch 構(gòu)建了智能采樣與調(diào)度體系：

• 廣度與深度動(dòng)態(tài)平衡，防止過(guò)早收斂到局部最優(yōu)解
• 基于置信度的概率引導(dǎo)采樣，優(yōu)先選擇高分行動(dòng)路徑，同時(shí)保持探索多樣性
• 并行探索多個(gè)推理路徑，縮短復(fù)雜檢索任務(wù)的解決時(shí)間

DeepSearch 的這一設(shè)計(jì)，核心在于以工程化方式模擬研究型推理過(guò)程

系統(tǒng)化拆解、并行假設(shè)驗(yàn)證、長(zhǎng)鏈路證據(jù)整合與可回放、可審計(jì)的推理軌跡，共同支撐著智能體在 BrowseComp-Plus 榜單上榮獲桂冠。

沖榜背后：openJiuwen 提供核心支撐

剖析登頂 GAIA 的 DeepAgent 和摘得 BrowseComp-Plus 榜首的 DeepSearch，我們發(fā)現(xiàn)兩款智能體的硬核實(shí)力背后，均依托同一個(gè)「技術(shù)底座」—— openJiuwen。

作為面向生產(chǎn)環(huán)境打造的開(kāi)源平臺(tái)，openJiuwen 聚焦智能體的高精準(zhǔn)、高可控執(zhí)行，構(gòu)建了從開(kāi)發(fā)、調(diào)度、執(zhí)行到優(yōu)化的全鏈路能力體系。這意味著，任何團(tuán)隊(duì)都可以在同樣的系統(tǒng)能力之上，嘗試構(gòu)建自己的「DeepAgent」和 「DeepSearch」，把復(fù)雜任務(wù)拆解、組合，并穩(wěn)定交付。

• openJiuwen 官網(wǎng)：https://www.openJiuwen.com/
• 開(kāi)源地址：https://gitcode.com/openJiuwen

從平臺(tái)設(shè)計(jì)來(lái)看，openJiuwen 是為原生支持多智能體協(xié)同和智能體自演進(jìn)而設(shè)計(jì)，其打造的智能體控制器作為智能體的中樞神經(jīng)，結(jié)合上下文引擎的異步壓縮與動(dòng)態(tài)卸載能力，讓 DeepAgent、DeepSearch 在多智能體協(xié)作、長(zhǎng)時(shí)異步執(zhí)行的復(fù)雜任務(wù)中實(shí)現(xiàn)高效調(diào)度，完美適配兩大榜單對(duì)智能體任務(wù)規(guī)劃與執(zhí)行魯棒性的考核要求。

同時(shí)，openJiuwen 創(chuàng)新性地將Agent 自演進(jìn)融入架構(gòu)原生設(shè)計(jì)，支持上下文、工具、記憶等多元要素在同一框架下協(xié)同工作，并參與到閉環(huán)的自主優(yōu)化過(guò)程中。針對(duì)執(zhí)行過(guò)程中的異常或失敗，能自動(dòng)歸因并將更新信號(hào)精準(zhǔn)分配到對(duì)應(yīng)要素，完成 Agent 的全鏈路自?xún)?yōu)化，讓智能體能夠持續(xù)演進(jìn)、可控迭代、并越用越好，從底層保障了智能體在榜單嚴(yán)苛評(píng)測(cè)中的穩(wěn)定表現(xiàn)。

我們注意到，openJiuwen 已在華為云行業(yè)智能體平臺(tái)和小藝智能體開(kāi)放平臺(tái)完成商業(yè)化落地，賦能了鴻蒙智能體的開(kāi)發(fā)。除此以外，openJiuwen 的能力已經(jīng)逐步進(jìn)入金融、制造等行業(yè)的核心生產(chǎn)系統(tǒng)。

總結(jié)：智能體的分水嶺

當(dāng)下，Agent 領(lǐng)域已經(jīng)有了一條清晰的分水嶺。

一邊，是仍停留在「語(yǔ)言交互」的智能體；另一邊，是已經(jīng)能夠 規(guī)劃任務(wù)、調(diào)度資源、穩(wěn)定執(zhí)行、自我修復(fù)的生產(chǎn)級(jí)系統(tǒng)。

基于 openJiuwen 構(gòu)建的 DeepAgent 和 DeepSearch 憑借系統(tǒng)性架構(gòu)設(shè)計(jì)，在兩大權(quán)威榜單的嚴(yán)苛評(píng)測(cè)和評(píng)分機(jī)制中脫穎而出，雙雙登頂，也讓 openJiuwen 的定位愈發(fā)清晰：為生產(chǎn)級(jí)智能體提供一個(gè)高準(zhǔn)確、高可用、高效率的一站式 AI Agent 平臺(tái)

無(wú)論是剛剛?cè)腴T(mén)的 Agent 開(kāi)發(fā)者，還是深耕 Agentic AI 的資深團(tuán)隊(duì)，都可以在這一底座之上構(gòu)建復(fù)雜、可靠的智能體應(yīng)用。

這或許正是「AI 智能體元年」后，智能體行業(yè)真正的打開(kāi)方式。

https://huggingface.co/papers/2311.12983

https://huggingface.co/learn/agents-course/en/unit4/what-is-gaia

https://arxiv.org/abs/2506.15741v2