Tongyi DeepResearch 技术报告

Tongyi DeepResearch Technical Report

October 28, 2025

Autori: Tongyi DeepResearch Team, Baixuan Li, Bo Zhang, Dingchu Zhang, Fei Huang, Guangyu Li, Guoxin Chen, Huifeng Yin, Jialong Wu, Jingren Zhou, Kuan Li, Liangcai Su, Litu Ou, Liwen Zhang, Pengjun Xie, Rui Ye, Wenbiao Yin, Xinmiao Yu, Xinyu Wang, Xixi Wu, Xuanzhong Chen, Yida Zhao, Zhen Zhang, Zhengwei Tao, Zhongwang Zhang, Zile Qiao, Chenxi Wang, Donglei Yu, Gang Fu, Haiyang Shen, Jiayin Yang, Jun Lin, Junkai Zhang, Kui Zeng, Li Yang, Hailong Yin, Maojia Song, Ming Yan, Peng Xia, Qian Xiao, Rui Min, Ruixue Ding, Runnan Fang, Shaowei Chen, Shen Huang, Shihang Wang, Shihao Cai, Weizhou Shen, Xiaobin Wang, Xin Guan, Xinyu Geng, Yingcheng Shi, Yuning Wu, Zhuo Chen, Zijian Li, Yong Jiang

cs.AI

Abstract

Presentiamo Tongyi DeepResearch, un modello linguistico di grandi dimensioni di tipo agente, specificamente progettato per compiti di ricerca approfondita di informazioni a lungo termine. Per incentivare un’agenzia di ricerca autonoma e approfondita, Tongyi DeepResearch è stato sviluppato attraverso un framework di training end-to-end che combina mid-training e post-training di tipo agente, consentendo ragionamenti scalabili e ricerca di informazioni su compiti complessi. Abbiamo progettato una pipeline di sintesi dei dati altamente scalabile, completamente automatica, che non si affida a costose annotazioni umane e supporta tutte le fasi di addestramento. Costruendo ambienti personalizzati per ogni fase, il nostro sistema garantisce interazioni stabili e coerenti durante l'intero processo. Tongyi DeepResearch, caratterizzato da 30,5 miliardi di parametri totali, con solo 3,3 miliardi attivati per token, raggiunge prestazioni all'avanguardia in una serie di benchmark per la ricerca approfondita di tipo agente, tra cui Humanity's Last Exam, BrowseComp, BrowseComp-ZH, WebWalkerQA, xbench-DeepSearch, FRAMES e xbench-DeepSearch-2510. Rendiamo open-source il modello, il framework e le soluzioni complete per potenziare la comunità.

English

We present Tongyi DeepResearch, an agentic large language model, which is specifically designed for long-horizon, deep information-seeking research tasks. To incentivize autonomous deep research agency, Tongyi DeepResearch is developed through an end-to-end training framework that combines agentic mid-training and agentic post-training, enabling scalable reasoning and information seeking across complex tasks. We design a highly scalable data synthesis pipeline that is fully automatic, without relying on costly human annotation, and empowers all training stages. By constructing customized environments for each stage, our system enables stable and consistent interactions throughout. Tongyi DeepResearch, featuring 30.5 billion total parameters, with only 3.3 billion activated per token, achieves state-of-the-art performance across a range of agentic deep research benchmarks, including Humanity's Last Exam, BrowseComp, BrowseComp-ZH, WebWalkerQA, xbench-DeepSearch, FRAMES and xbench-DeepSearch-2510. We open-source the model, framework, and complete solutions to empower the community.