学术界突破：仅用监督微调，就能打败大厂的搜索智能体

过去几年，搜索智能体（Search Agent）一直被大公司垄断。通义、Google、Anthropic这些巨头，动辄投入数千万美元，用海量算力做预训练、持续预训练、监督微调、强化学习——一套流程下来，模型参数动辄上百B，训练数据量上亿条。普通人连碰都不敢碰。

但最近，一支来自学术界的团队彻底改变了这个规则。他们没有用复杂的流水线，没烧钱，也没靠超大规模模型——只用了1.06万条精心设计的训练数据，加上一个简单的监督微调（SFT），就做出了一个叫 OpenSeeker-v2 的搜索智能体，性能直接碾压了通义DeepResearch这类工业级模型。

他们是怎么做到的？关键在数据，不是算力

OpenSeeker-v2 的核心秘密，不在模型有多大，而在训练数据有多“狠”。

团队没有随便抓一堆网页问答对，而是花了数月时间，人工构建了一套高难度、高真实感的任务轨迹。这些任务不是“查一下巴黎人口”这种简单问题，而是像：

• “找出过去五年中，哪些国家在可再生能源投资上超过中国，并对比其政策变化”
• “查找某篇2023年发表在Nature上的论文，作者是中国人，实验用了MRI技术，但结论被后续研究推翻了”
• “比较三个电商平台在2025年Q1对某款国产手机的定价策略，并预测其下季度销量”

这些任务，连人类都得花十几分钟查资料、跳转页面、交叉验证。而OpenSeeker-v2，必须在不超过5步操作内完成——这就是他们说的“低步数过滤”：只保留那些真正高效、干净、有挑战性的搜索路径。

同时，他们把知识图谱扩展到前所未有的规模，接入了超过20种工具——不只是搜索引擎，还包括学术数据库、财报平台、政府公开数据接口、维基百科API、甚至实时新闻聚合器。这意味着模型不是“猜答案”，而是真正在“操作”。

实测成绩：全面吊打工业模型

在四个公认的权威测试集上，OpenSeeker-v2 的表现令人震惊：

• BrowseComp：准确率 46.0%（之前SOTA是39.2%）
• BrowseComp-ZH（中文版）：58.1%（远超通义DeepResearch的48.7%）
• Humanity’s Last Exam（号称“人类最后的考试”）：34.6%（这是最难的综合推理测试，连GPT-4o都只有28%）
• xbench：78.0%（刷新全球纪录，比上一代模型高出近20个百分点）

更惊人的是，OpenSeeker-v2 只有30B参数，和Llama 3 8B同级，架构也是主流的ReAct框架——也就是说，它没有偷偷用更大模型，也没有用RLHF这种“黑箱调参”。

开源了，所有人能用了

最让人兴奋的，不是它有多强，而是——它开源了。

团队已经把模型权重、训练数据样例、工具调用脚本，全部放到了Hugging Face和GitHub上。你不需要A100集群，不需要几十TB的训练数据，甚至不需要懂强化学习，只要有一张消费级显卡，就能跑起来，改一改，做自己的搜索机器人。

这对学生、独立开发者、中小创业公司意味着什么？意味着你不再需要“等大厂开放API”或“买昂贵的商业服务”。你可以自己训练一个专用于法律检索、学术调研、商业情报分析的智能体，成本可能不到一千块。

这不是“又一个AI demo”，这是真正把前沿能力，从实验室放到了普通人手上。

论文地址：https://arxiv.org/pdf/2605.04036

项目地址（含权重与代码）：https://github.com/OpenSeeker-AI/OpenSeeker-v2