Iris 运营中

Iris 是小红书 AllSpark 团队开源的搜索智能体，含 35B（Iris-mini）和 397B（Iris-pro）两个版本。Iris能在真实网络中自主决定搜什么、怎么读、何时收敛作答，通过从网页超链接反向构造够难且可解的训练数据，采用 SFT 与强化学习交替的SFT–RL Climbing训练法。在 BrowseComp、DeepSearchQA、HLE 等四大基准上取得同量级最强开源成绩，35B 版本已逼近万亿参数模型，搜索能力可外溢到通用工具调用等任务。

自主网络搜索：自己决定搜什么、如何阅读检索结果、何时继续或停止，边搜边推理边作答。
多步跨页推理：能多个网页逐步锁定唯一答案，而非靠关键词匹配走捷径。
中英文复杂检索：在 BrowseComp、BrowseComp-ZH 等中英文网页检索任务上均达到同量级开源最强。
证据覆盖型问答：回答时完整覆盖证据链，在 DeepSearchQA 上表现领先。
专家级难题求解：能处理 HLE 这类需要专家级推理的高难度问题。
上下文管理：支持截断、压缩等上下文管理策略，长链路搜索不中断，小模型获益尤为明显。
能力外溢：未经专门训练即可胜任通用工具调用和办公协作等任务。

微信关注回复“开源”，加入AI开源项目交流群
反向造题的数据构造：以种子页面为答案，顺超链接聚成实体图谱，在图谱上生成必须跨页多步推理的题目，再把题面中答案以外的实体改写成描述性指代以抹掉可匹配的线索，最后用参考模型双重筛选，闭卷答不出、给证据能唯一答对才保留，全程自动化、可随语料规模扩展。
SFT–RL Climbing 交替训练：SFT 阶段用强教师模型在真实搜索工具上生成轨迹，经结果过滤和”判官”单步过滤后训练；RL 阶段让模型在真实网络边搜边学，每轮结束后把最难做对和最高效解出的轨迹回灌下一轮 SFT，随模型变强题目自动变难，形成自适应课程。
训练工程内化：判分与摘要用自建模型在训练集群内部完成，不依赖任何外部 API，避免网络波动干扰训练循环；同时训练与线上使用同一套摘要器，消除训练与推理的错位。
超长轨迹断点续跑：少数拖后腿的超长会话不再整段丢弃，在请求级别中断、下一步从已提交前缀继续，使 GPU 在同步调度下保持高利用率。
对齐式评测协议：所有对比系统在相同工具、上下文、判分模型及同一上下文管理策略下、仅用单 ReAct 智能体评测，排除多智能体和测试时自我验证等框架取巧，让分数真实反映模型本身能力。

克隆代码仓库：执行 git clone https://github.com/AllSpark-Research/Iris 获取推理与评测代码。
下载模型权重：从 HuggingFace 集合 huggingface.co/collections/AllSpark-Research/iris 下载 Iris-mini（35B）或 Iris-pro（397B）权重。
配置运行环境：按仓库要求安装依赖（如 vLLM/SGLang 等推理框架），并配置好搜索工具接口（联网检索是 Search Agent 的必要前提）。
加载模型并接入工具：用 ReAct 智能体形式加载模型，将搜索引擎作为工具注册给模型调用。
提出问题运行推理：输入问题，模型会自动规划搜索查询、阅读网页、多步推理并收敛给出带证据的答案。

同量级最强开源成绩：在 BrowseComp、BrowseComp-ZH、DeepSearchQA、HLE 四个搜索基准上全面领先同量级开源模型，397B 的 Iris-pro 部分项目反超万亿参数级模型。
小体量逼近超大模型：35B 的 Iris-mini 在 BrowseComp 上拿下 82.2 分，已逼近 Kimi-K2.6 等数十倍参数量的模型，让小模型在垂域上具备挑战超大模型的能力。
数据构造自动化且高质量：从网页超链接反向造题、抹掉可匹配线索、双重筛选”够难且可解”，全程无需人工出题，可随语料规模无限扩展。
训练工程稳健高效：判分与摘要内化到训练集群，彻底摆脱外部 API 依赖；超长轨迹断点续跑让 GPU 持续满载，大幅降低训练不确定性。
训练与线上一致：训练时压缩检索内容的摘要器与评测、线上使用的是同一套，不存在训练与使用的错位。
能力外溢，通用性强：搜索能力泛化到通用工具调用和办公协作等从未专门训练的任务，Search 是可复用的原子能力。

GitHub仓库：https://github.com/AllSpark-Research/Iris
HuggingFace模型库：https://huggingface.co/collections/AllSpark-Research/iris
arXiv技术论文：https://arxiv.org/pdf/2609.04304

深度研究/调研报告：自动多轮检索、跨页推理、证据覆盖完整，适合行业研究、竞品分析、学术调研等 Deep Research 类产品。
复杂事实核查：答案需跨多个网页多步锁定，适合辟谣、事实核查、尽职调查等”必须找到出处”的场景。
中英文双语搜索：BrowseComp 与 BrowseComp-ZH 双优，天然适合中英混合语料的跨境信息检索。
通用工具调用智能体：能力外溢至 BFCL、τ-bench 等 General Tool Use 任务，可作为 Agent 产品的通用底座。
办公协作（Cowork）：在 OfficeQA、APEX 等办公任务上无需专门训练即可上手，适合嵌入办公助手处理文档问答与流程任务。