在信息爆炸的互联网时代，你是否曾面临这样的困境：明明知道答案就在某个角落，却因为线索过于模糊、路径过于复杂而一筹莫展？
这类高难度信息检索长期困扰着用户和开发者——直到阿里通义实验室发布WebSailor，这一开源网络智能体在复杂推理任务上再次刷新了行业纪录，甚至超越了多个闭源模型！
面对线索零散、迷雾重重的复杂网络查询，开源解决方案终于到来
01 开源智能体实现重大突破
2025年7月7日，阿里巴巴通义实验室正式开源网络智能体WebSailor。这一创新方案在多个高难度评测中刷新了开源系统的最佳成绩，成为首个在BrowseComp等基准上接近闭源系统能力的开源方案。
在OpenAI发布的BrowseComp评测集上，WebSailor-72B在英文和中文版本中分别取得了12.0% 和 30.1% 的准确率，大幅超越了此前开源系统3.8%的水平。
更令人振奋的是，WebSailor不仅超越DeepSeek R1、WebThinker等开源方案，甚至在部分指标上超越了Grok-3等闭源模型，表现仅次于OpenAI DeepResearch。
这一突破标志着开源智能体首次具备了处理“信息迷雾”的能力，大大缩小了与闭源顶尖系统之间的差距。
02 破解“地狱级”难题
为什么传统开源模型在复杂任务上屡屡受挫？通义团队发现，核心症结在于面对高不确定性任务时的系统性推理能力不足。
研究团队将信息搜索任务按难度划分为三个层级：
- Level-1（新手模式）：例如查询“某城市人口”，可通过单次搜索解决
- Level-2（进阶模式）：例如多跳问答，有清晰的解决路径
- Level-3（地狱模式）：线索模糊、路径不明的高不确定性任务
WebSailor瞄准的正是最具挑战性的Level-3任务。举个例子来说：
“5世纪中期去世的某基督教诗歌作者，其死亡年份恰好是重建古代环境条件的科学年表最后一年。该年表名称是什么？”
这类问题的答案线索被拆解得极为零碎，散布在不同类型和时期的模糊信息源中，形成了巨大的“信息迷雾网”，往往需要数十步推理才能解决。
03 三大技术创新
创新一：SailorFog-QA——地狱级训练场
WebSailor团队开发了SailorFog-QA数据合成方法，专门用于模拟高不确定性环境：
- 知识图谱随机游走：从维基数据冷门实体出发，随机扩展构建非线性关系网络
- 信息模糊化处理：将具体日期改为“21世纪初”，人名变为“以F开头的知名人士”，数值替换为“市场份额不足1%”等定性描述
这种方法生成的题目难度有多高？内部测试中，某些题目连OpenAI o3模型都需调用40+次工具才能解决！
创新二：推理重构——化繁为简的艺术
研究团队发现，直接模仿开源大模型（如QwQ-32B、DeepSeek-R1）的冗长推理反而限制了模型发展。为此，他们开创了“推理重构”技术：
- 仅保留专家模型的成功动作-观察序列
- 使用指令模型生成简洁的新思考过程
- 构建紧凑且目标导向的推理链
这种方法既保留了复杂推理的精华，又避免了冗长思维链挤爆上下文窗口，特别适合数十步的长周期任务。
创新三：DUPO——强化学习新范式
WebSailor训练采用两阶段策略：
- RFT冷启动：仅用2000+高质量样本教会模型基础工具使用和推理框架
- DUPO强化学习：创新双阶段动态采样策略
DUPO算法核心在于：
- 训练前过滤简单样本
- 训练中重复采样困难轨迹
- 相比传统方法提速2-3倍
这种设计如同明智的教练，让学生专注于练习尚未掌握的技能，极大提升了学习效率。
04 超凡性能表现
WebSailor在多个维度展现出了惊人的能力：
- 复杂任务：在最具挑战性的BrowseComp-en上，WebSailor-72B达到了12.0%准确率（此前开源最佳仅3.8%）
- 小模型大能量：WebSailor-7B（7B参数）超越了32B参数的竞争系统，达到了6.7%准确率
- 中文场景优势：在BrowseComp-zh上以30.1%准确率追平了DouBao（26.0%）等闭源系统
尽管专注于高难任务训练，WebSailor在简单任务上同样表现出色：在SimpleQA数据集上，WebSailor-72B取得了93.5%的准确率，超过了所有对比方案。
05 开源生态新可能
作为通义实验室 “Web智能体”系列的第三项重大发布（前有WebWalker、WebDancer），WebSailor实现了从评测构建→策略学习→闭源追近的完整进化。
项目已在GitHub上开源，包含：
- 模型代码
- 训练方法
- 部分评测数据集
开发者可借此构建能处理复杂信息检索的AI应用，例如：
- 侦探式历史事件追溯
- 跨领域人物经历解析
- 科研线索挖掘
通义团队表示，将继续发展 “基于浏览器的原生智能体框架”，向开放式、跨模态的复杂推理场景进军。