Tongyi DeepResearch: il nuovo faro open-source che illumina le rotte della ricerca sul web | Large language models | Chatgpt app | Llm italia | Turtles AI

Alibaba ha ora reso disponibile pubblicamente Tongyi DeepResearch, un agente open‐source da 30 miliardi di parametri (circa 3 miliardi attivati per token) progettato per compiti di ricerca web approfondita, eccellente in benchmark agentici come HLE, BrowseComp, xbench e altri.

Punti chiave:

• Modello open-source completo da 30 B parametri con attivazione selettiva a 3 B
• Pipeline automatizzata per dati sintetici: pre-addestramento, fine-tuning e RL
• Compatibilità con modalità ReAct e ‘Heavy’ (IterResearch) per ragionamento avanzato
• Prestazioni al vertice nei benchmark Humanity’s Last Exam, BrowseComp-ZH, xbench-DeepSearch, FRAMES

Alibaba ha introdotto Tongyi DeepResearch, il primo agente web completamente liberamente disponibile in grado di competere con Deep Research di OpenAI, pur utilizzando la sua architettura sparse MoE da 30 miliardi di parametri con soli 3 miliardi attivi in inferenza. Progettato per ricerche complesse a lungo termine, il modello supera versioni proprietarie su benchmark difficili come Humanity’s Last Exam (32,9%) rispetto a circa 24,9% dei modelli OpenAI o3, e ottiene 75 su xbench-DeepSearch contro i 67 raggiunti da o3.

Al cuore di Tongyi DeepResearch c’è una pipeline automatizzata che genera dati sintetici scala- bili per tutte le fasi: pre-addestramento agentivo continuo, tuning supervisionato e apprendimento per rinforzo end-to-end. Di fatto, il sistema AgentFounder rielabora web crawler, knowledge graph e traiettorie strumentate in domande-risposta multistile che alimentano ogni fase della formazione.

Durante l’inferenza, il modello supporta due paradigmi distinti: in modalità ReAct, ragiona-agisce-osserva senza prompt sofisticati, rivelando le sue capacità intrinseche; mentre la modalità “Heavy” sfrutta la strategia IterResearch di scaling a runtime per raggiungere il massimo rendimento in compiti complessi. Grazie a questa doppia modalità, evidenzia grande flessibilità tra efficienza e profondità di ragionamento.

Sul fronte dei risultati, Tongyi raggiunge 45–46 punti su BrowseComp e BrowseComp-ZH (contro versioni precedenti con circa 35), 90,6 su FRAMES e prestazioni eccellenti su GAIA, WebWalkerQA e SimpleQA, dimostrando robustezza nel controllo di allucinazioni e tool-use verificato dai benchmark.

L’architettura MoE a attivazione parziale apporta grandi vantaggi: efficienza di calcolo (solo ~10% dei parametri attivati), contesto esteso fino a 128 000 token e routing dinamico basato sulla complessità della query. Un tokenizer specializzato include segnali per azioni, osservazioni e tool-invocazioni, offrendo un’interfaccia compatibile con browser, ricerca e tool esterni integrati.

Sono descritti usi nel mondo reale: dalla stesura di brief giuridici basati su fonti verificate, alla pianificazione di viaggi multigiornalieri, integrazione in ecosistemi come LangChain, oltre al supporto via Apidog per simulare API e rendere pronti i workflow agentici sin dal primo giorno.

Infine, tutte le principali componenti  i pesi del modello, il codice di training e inferenza  sono resi disponibili su GitHub e Hugging Face sotto licenza Apache-2.0, permettendo a chiunque di scaricare, eseguire localmente, estendere e integrare il sistema senza vincoli proprietari.

Una portata tecnica e un livello di apertura finora rari nei modelli agentici: un compendio di efficienza, modularità e capacità in un’unica piattaforma perfettamente accessibile.