小红书开源搜索智能体 Iris：35B 版 BrowseComp 达 82.2，逼近万亿参数模型

大模型之路 · wechat · 2026-09-23

小红书 AllSpark 团队开源搜索智能体模型 Iris，权重、评测代码与上下文管理方案全部公开，是首个可私有化部署的开源「会搜索」智能体底座。

模型规格：两档 MoE——Iris-mini（35B 总参/3B 激活，基座 Qwen3.6-35B-A3B）与 Iris-pro（397B 总参/17B 激活），均支持 256K 上下文。与 RAG 拼流水线不同，它把「何时搜、怎么读、何时停」训练进权重。
数据合成：沿网页超链接结构反向造多跳推理题，并把题干实体改写成描述性指代以杜绝关键词匹配捷径，再经「闭卷答不出+开卷答得对」双重筛选，全自动可扩展。
训练：SFT-RL 爬坡；判分与摘要模型置于训练集群内部，全程不依赖外部 API；超长轨迹按请求层级断点续跑。
成绩：Iris-mini 在 BrowseComp 达 82.2，逼近 Kimi-K2.6 等更大模型；Iris-pro 三项基准同量级开源最强。能力外溢到通用工具调用（BFCL、τ-bench）与办公协作场景。
关键工程点：不做上下文管理时 BrowseComp 仅 64.7，启用「清空累积工具历史重跑」后提升 17.5 个点。Iris-mini 4-bit 量化约 30GB+ 显存可本地跑，配套 Iris-Harness 提供 agent 循环与四个基准评分器。

「编程与Agent」频道最新