AllSpark của Xiaohongshu ra mắt mô hình Search Agent mã nguồn mở Iris, dẫn đầu về hiệu suất trong cùng phân khúc 35B và 397B

Đội ngũ AllSpark (Xiaohongshu) tại Trung Quốc đã phát hành hai Search Agent mã nguồn mở là Iris-mini và Iris-pro cùng công thức huấn luyện hoàn chỉnh. Iris-mini sở hữu 35 tỷ tham số, dựa trên nền tảng Qwen3.6-35B-A3B; Iris-pro sở hữu 397 tỷ tham số, dựa trên Qwen3.5-397B-A17B. Cả hai đều hỗ trợ cửa sổ ngữ cảnh 256.000 token. Trong bài báo nghiên cứu, đội ngũ khẳng định đây là những Search Agent mã nguồn mở mạnh nhất trong phân khúc tham số tương ứng.

Theo bài báo, khi kích hoạt quản lý ngữ cảnh, Iris-mini đạt điểm số 82,2; 84,8; 86,9 và 52,3 trên bốn tiêu chuẩn đánh giá, trong khi Iris-pro đạt 88,6; 85,1; 92,9 và 56,4. Iris-mini đứng đầu phân khúc nhỏ ở 3 trên 4 tiêu chuẩn, vượt qua mô hình xếp thứ hai là XYZ-Aquila-mini 3,4 điểm trên BrowseComp, nhưng lại tụt hậu ở DeepSearchQA. Iris-pro dẫn đầu hoặc ngang bằng ở phân khúc lớn hơn; các tác giả cho biết mô hình này đôi khi tiệm cận với các hệ thống đòi hỏi nhiều tài nguyên tính toán hơn. Việc quản lý ngữ cảnh có tác động lớn hơn đến các mô hình nhỏ, với mức tăng cao nhất là 21,2 điểm trên BrowseComp. Các tác giả lý giải rằng Iris-mini tiêu thụ ngữ cảnh nhanh hơn chứ không phải do ngân sách token nhỏ hơn.

Về phương pháp huấn luyện, bài báo giới thiệu cách xây dựng dữ liệu huấn luyện có thể kiểm chứng từ cấu trúc liên kết web: tạo các câu hỏi đa bước từ đồ thị quan hệ thuật ngữ giữa trang gốc và các liên kết ngoài. Ngoại trừ đáp án cuối cùng, tất cả các thuật ngữ đều được viết lại để tránh việc giải quyết bằng cách tìm kiếm văn bản đơn thuần, chỉ giữ lại những câu hỏi mà mô hình tham chiếu không thể giải quyết nếu không có công cụ nhưng có nguồn dữ liệu chính xác. Mô hình giáo viên tạo ra lộ trình giải quyết vấn đề bao gồm suy luận, truy vấn tìm kiếm và kết quả. Sau hai vòng lọc (kiểm tra tính đúng đắn của toàn bộ lộ trình/vòng lặp lặp lại/độ sâu tìm kiếm, cùng sự đánh giá từng bước của mô hình thẩm định với tiêu chuẩn được rút ra từ chính dữ liệu), mô hình được cải thiện thông qua học tăng cường trên tìm kiếm web thực tế. Quá trình tinh chỉnh có giám sát (SFT) và học tăng cường (RL) được thực hiện xen kẽ, được tác giả gọi là "SFT-RL climbing". Nhóm nghiên cứu cũng báo cáo rằng dữ liệu huấn luyện và mô hình có sự cải thiện trên các tác vụ chưa từng được huấn luyện (như sử dụng công cụ chung và công việc văn phòng), từ đó suy đoán rằng tìm kiếm là một năng lực nền tảng.

Trọng số mô hình đã được mở trên Hugging Face và mã nguồn được công khai trên GitHub. Nội dung phát hành hiện tại bao gồm Iris Harness (chứa vòng lặp tác nhân, công cụ, chiến lược quản lý ngữ cảnh và đánh giá cho cả bốn tiêu chuẩn), có thể kết nối với bất kỳ điểm cuối tương thích OpenAI nào. Đội ngũ dự kiến sẽ công bố quy trình xây dựng dữ liệu và huấn luyện trong thời gian tới. Tài khoản chính thức của AllSpark trên Xiaohongshu cũng đã đăng tải về Iris, khẳng định đây là Search Agent mã nguồn mở mạnh nhất trong cùng phân khúc. Các thông số hiệu suất nêu trên đều dựa trên tuyên bố của đội ngũ trong bài báo.