阿里开源智能体WebSailor，又刷新了多项纪录

作者 江宇
编辑 漠影

　　智东西AI前瞻7月8日报道，昨日，阿里巴巴通义实验室正式开源其最新网络智能体WebSailor，该智能体在多个高难度任务评测中刷新了开源系统的最好成绩，成为首个在BrowseComp等基准上逼近闭源系统能力的开源方案。

　　WebSailor可在开放网页环境中自主跳转页面、查找信息、整合多源线索并完成推理，适用于处理路径不明确、问题模糊、需多步判断的复杂检索任务。

　　7月3日，WebSailor技术报告在Hugging Face Papers当日热度榜中排名第一，成为当天关注度最高的AI论文之一。

　　该项目的模型代码、训练方法与评测数据集也已同步在GitHub开源。

　　GitHub地址：https://github.com/Alibaba-NLP/WebAgent

　　一、评测表现：首次在BrowseComp任务中追近闭源模型

　　WebSailor-72B版本在三大公开评测集上表现突出：

　　1、BrowseComp-en：12.0%

　　2、BrowseComp-zh：30.1%

　　3、GAIA（信息检索子集）：55.4%

　　其中，BrowseComp是由OpenAI发布的网页智能体评测集，覆盖1266个难度极高的检索任务，考察模型在开放网页上的搜索、筛选、整合和推理能力。

　　在BrowseComp等评测中，WebSailor在开源智能体中实现断层领先，超过DeepSeek R1等开源方案，并首次在多个指标上逼近Grok-3、Doubao-Search等闭源方案。

　　值得注意的是，尽管训练聚焦高难任务，WebSailor在面向初级问答的SimpleQA子集上也展现出泛化能力。

　　在该任务中，WebSailor-72B取得93.5%的准确率，超过包括WebDancer、WebThinker、DeepSeek等多种方案。

　　WebSailor在多个维度评测中均位列开源智能体第一，进一步缩小了与OpenAI DeepResearch等闭源系统的差距。

　　二、打造高不确定性任务集，提升Agent复杂推理能力

　　WebSailor的核心突破在于其完整的后训练（post-training）方案，贯穿数据生成、冷启动调优、强化学习三大阶段：

　　1、高不确定性任务合成

　　通义团队构建了名为SailorFog-QA的问答数据集，旨在模拟高不确定性、模糊路径的信息检索任务，采用以下方式生成问题样本：

　　通过“随机游走”模拟网页跳转行为，在真实网页中构建复杂知识图谱；

　　利用“图结构采样 + 信息模糊化”处理，制造多跳、非线性、起点不明的问题，提升任务不确定性。

　　2、冷启动微调（RFT）

　　该智能体基于Qwen-2.5（3B、7B、32B、72B）系列模型进行初始化，并通过对专家路径的压缩重构，生成清晰的中间推理步骤，从而增强其在复杂任务路径中的可控性与稳定性。

　　3、高效强化学习算法：DUPO

　　WebSailor引入强化学习新算法Duplicating Sampling Policy Optimization（DUPO），采用双阶段动态采样策略：

　　RL前期：剔除过于简单的问题，集中训练高难度轨迹；

　　RL训练中：重复采样困难轨迹结果，并加入当前批次以高效迭代。

　　该策略在提升效果的同时，将复杂Agent的强化学习训练速度提升2–3倍。

　　三、产品线布局：从基准构建，到原生浏览器智能体

　　WebSailor是通义实验室“Web智能体”系列的第三项重要发布：

　　WebWalker（2025年1月）：主攻网页任务评测基准构建，提升评测标准化与复现性；

　　WebDancer（2025年5月）：关注自主检索Agent策略学习，强化信息搜集与自决能力；

　　WebSailor（2025年7月）：整合任务构建、调优与强化学习方法，首次在开源系统中实现对闭源系统的能力追近。

　　通义团队称，后续将继续扩展该系列，构建“基于浏览器的原生智能体框架”，适配更多开放式、跨模态的复杂推理场景。

　　结语：朝“开源版DeepResearch”迈进一步

　　从大规模任务合成到高效强化学习，从Benchmarks构建到模型开源，WebSailor正逐步进化。

　　虽然距离OpenAI等闭源系统仍有差距，但其在复杂任务上的大幅进展，正在为“开源Agent可用化”提供新的可能性。

　　如果说DeepResearch代表了闭源网络Agent的能力上限，那么WebSailor的诞生，或许意味着开源世界正开始接近那道分水岭。