瘋狂的七月已經(jīng)落下了帷幕，如果用一個詞來形容國產(chǎn)大模型，「開源」無疑是當之無愧的高頻詞匯。

各大廠商你方唱罷我登場，昆侖萬維、阿里、智譜、月之暗面、騰訊、階躍星辰等眾多玩家們先后開源了數(shù)十款大模型。根據(jù) Hugging Face 發(fā)布的中國 AI 社區(qū)七月開放成果，短短一個月開源模型總數(shù)達到了驚人的 33 款。

進入到八月，國產(chǎn)大模型「上新」的勢頭絲毫不減，重量級成果發(fā)布的熱度繼續(xù)升溫。其中，上個月接連開源第二代獎勵模型 Skywork-Reward-V2、多模態(tài)理解模型 Skywork-R1V3 以及多模態(tài)統(tǒng)一預(yù)訓(xùn)練模型 Skywork UniPic 的昆侖萬維，又官宣了一波技術(shù)大放送！

從本周一開始，昆侖萬維正式啟動 Skywork AI 技術(shù)發(fā)布周！連續(xù)五天，每天都有新模型亮相，從視頻生成模型 SkyReels-A3、世界模型 Matrix-Game 2.0、生圖一體化模型 Skywork UniPic 2.0 到深度研究 Agent 模型等，多模態(tài) AI 的核心賽道幾乎全囊括了，干貨滿滿。

8 月 14 日，在技術(shù)發(fā)布周的第四天，昆侖萬維重磅發(fā)布了最新 Agent 成果，為其在智能體領(lǐng)域的探索與布局開啟更多可能。不久之前，昆侖萬維才帶來了全球首款 Office 智能體 —— 天工超級智能體（Skywork Super Agents），登頂多個榜單，在文檔、PPT、Excel、網(wǎng)頁、播客等多任務(wù)執(zhí)行中秀了把一站式生成能力。

此次，昆侖萬維將天工超級智能體的核心引擎 Skywork Deep Research Agent 升級到了 V2 版本。新版本不僅將深度調(diào)研體驗推升至新高度，還在多模態(tài)信息檢索與生成、瀏覽器智能體任務(wù)中利用獨立的 Agent 模塊，促成性能、穩(wěn)定性與智能化水平的均衡躍升。

性能究竟有多強，先上跑分成績。首先在權(quán)威搜索評測榜單 BrowseComp 中，Skywork Deep Research 在常規(guī)推理模式下正確率已達到 27.8%，超越了 GLM-4.5、StepFun Deep Research、Claude-4-Opus 等國內(nèi)外大多數(shù)主流同類產(chǎn)品；而在啟用自主研發(fā)的「并行思考」模式后，準確率更是躍升至 38.7%，一舉刷新行業(yè) SOTA 記錄，將 Grok-4 在內(nèi)所有競品甩在身后。

此外，在全球最具挑戰(zhàn)性、覆蓋最廣的智能體基準測試集 GAIA 中，Skywork Deep Research Agent 同樣刷新 SOTA 成績，超越所有競品，復(fù)雜任務(wù)中的硬核表現(xiàn)不言而喻，也為其技術(shù)含金量做出有力背書。

趕快來天工超級智能體（Skywork Super Agents）體驗！

• 全球官網(wǎng)：https://skywork.ai
• 國內(nèi)官網(wǎng)：https://tiangong.cn

這位 Agent 新面孔在實操上能不能達到預(yù)期呢？一手實測給了我們很大驚喜。

Agent 深度研究的全感知時代

始于多模態(tài)信息檢索

去年 12 月，谷歌推出了 Gemini Deep Research 功能，標志著全球首個 AI 研究助手的誕生。該功能可以自動瀏覽網(wǎng)頁、整合關(guān)鍵信息，并生成結(jié)構(gòu)化的研究報告。這意味著，傳統(tǒng)研究員吭哧吭哧干幾天的活兒，它僅需要幾分鐘就能完成。該功能一經(jīng)發(fā)布就迅速引發(fā)業(yè)界關(guān)注，OpenAI、xAI、Perplexity AI 等其他大模型廠商也緊隨其后，紛紛推出自家的 Deep Research。

盡管這些 Deep Research 功能在提取和整理文字信息時有著較高的效率，但它們過于依賴純文本的檢索和分析，往往忽視圖片、圖表等視覺內(nèi)容。而如今互聯(lián)網(wǎng)上超過一半的關(guān)鍵信息都以圖文混排的形式呈現(xiàn)，比如財報中的曲線、科研論文里的實驗圖、社交媒體上的對比照、業(yè)務(wù)方案中的流程圖等，如果這些圖片信息被忽視，研究報告的完整性和準確性將大大降低。

為解決這一痛點，昆侖萬維推出了業(yè)界首個「多模態(tài)深度調(diào)研」Agent 。通過創(chuàng)新性地整合多模態(tài)檢索理解和跨模態(tài)生成能力，它不僅能夠識別并處理圖片、圖表等信息，還能將圖片中的關(guān)鍵信息融入報告中，并生成圖注和綜合性圖表，為研究人員提供更加全面、準確的報告。

比如，我們輸入提示詞：請配合豐富的圖表，詳細揭示 2025 年特斯拉在中國的銷售情況，并分析銷量變化的核心原因。

領(lǐng)到任務(wù)后，它首先跳出一個表單讓我們勾選任務(wù)需求，包括寫作語言、寫作篇幅、分析維度、圖表類型偏好、核心原因分析角度等。如此一來，我們就能夠根據(jù)自己的具體需求，定制報告的內(nèi)容、深度和呈現(xiàn)方式。

確認完需求，它會生成一個待辦清單，繼而調(diào)用各種工具搜索瀏覽網(wǎng)頁、整合信息，尤其是涉及圖片部分，它會自動調(diào)用 MCP 工具進行圖片分析以及圖表制作。

在瀏覽了 180 個網(wǎng)頁、使用 54 個信源后，最終輸出一份詳細的特斯拉中國銷量分析報告。

報告中包含豐富的圖表展示，比如特斯拉中國月度銷量趨勢折線圖、主要城市銷量柱狀圖、中國新能源汽車市場份額餅圖等。更重要的是，它把圖片中表達的信息融入到報告文字當中，提供更全面的文字解讀。

為了防止胡說八道，每個重要數(shù)據(jù)都標注了來源，鼠標一點即可跳轉(zhuǎn)。

它還會根據(jù)文字內(nèi)容，在合適的位置插入對應(yīng)圖片，并自動生成簡潔圖注。對于圖表較多的報告，它甚至?xí)ｉT拿出一節(jié)來對圖表進行輔助說明。

這番實測意味著谷歌 Gemini Deep Research 搞定不了的圖文盲區(qū)，被昆侖萬維的 Agent 輕松拿捏。讓 AI 真正具備專業(yè)研究人員的感知與表達能力，離不開多模態(tài)爬取、長距離多模態(tài)信息收集、異步并行 Multi-Agent 多模態(tài)理解架構(gòu)和多模態(tài)結(jié)果呈現(xiàn)四大核心技術(shù)突破：

• 首先，利用 MM-Crawler 工具進行結(jié)構(gòu)化文本、二進制圖片和元數(shù)據(jù)的并行爬取，通過「視覺噪聲剪枝」技術(shù)以毫秒級剔除低信息密度圖片，平均減少 65% 的冗余圖片流量。
• 其次，利用大規(guī)模「文字 - 圖片 - 推理鏈」合成數(shù)據(jù)訓(xùn)練，實現(xiàn)長距離（幾十步數(shù)萬字）上下文感知與圖片信息增益判斷能力，將真正需要深入推理的圖片數(shù)量壓縮至一半，有效節(jié)省計算資源。
• 第三，利用異步并行 Multi-Agent 架構(gòu)，將不同任務(wù)智能調(diào)度給不同的 Agent 并行執(zhí)行，并結(jié)合「多軌執(zhí)行 + 流水整合」的設(shè)計，提升包括文本和圖片在內(nèi)的多模態(tài)檢索與理解效率。
• 最后，在結(jié)果生成階段，支持信息「轉(zhuǎn)寫 — 插圖 — 重繪」三位一體的自動生成方式，既可將圖片信息融入文字解讀，也可插入原圖并在融合多圖、多模態(tài)信息后重繪綜合性圖表，輸出信息完整、視覺友好的深度報告。

目前，該功能已在 skywork.ai 官網(wǎng)上線，人人都可體驗。

突破傳統(tǒng)瀏覽器 Agent 瓶頸

深入挖掘社交平臺內(nèi)容

接下來，我們再看看 Skywork Deep Research Agent V2 的另一大功能模塊 —— 多模態(tài)深度瀏覽器智能體（Skywork Browser Agent）。

在實際應(yīng)用中，傳統(tǒng)瀏覽器智能體存在諸多瓶頸問題，比如執(zhí)行效率差、成功率低，特別是在處理文字密集內(nèi)容時表現(xiàn)遲緩；由于平臺壁壘（如登錄和驗證問題）還可能導(dǎo)致任務(wù)中斷；以及在復(fù)雜邊緣場景中適應(yīng)能力較弱，常常出現(xiàn)卡頓、死循環(huán)等失效情況。

昆侖萬維此次推出的 Skywork Browser Agent 巧妙化解了這些痛點。借助深度多模態(tài)內(nèi)容理解能力，不僅能夠高效分析社交媒體上的文本信息，還能精準篩選與提取圖片、視頻以及評論區(qū)的情感與觀點，提供更加全面的信息洞察。在網(wǎng)頁瀏覽的全過程中，它都能做到有條不紊、規(guī)劃周密，而這一切都依托于自研模型非凡的推理能力。

此外還能自動進行線上社區(qū)內(nèi)容的高效數(shù)據(jù)分析，將枯燥的調(diào)研工作轉(zhuǎn)化為直觀且易懂的可視化報告。同時支持一鍵式網(wǎng)站部署，將抓取的關(guān)鍵圖片與分析內(nèi)容生成獨立網(wǎng)站，方便展示和分享。針對部分社交平臺登錄墻的難點，配備了智能化接管機制；為每個執(zhí)行步驟設(shè)置了自適應(yīng)超時控制，有效防止整套工作流阻塞，從而大大提升瀏覽器智能體的執(zhí)行效率。

舉個例子。最近，喜劇大師陳佩斯帶著自編自導(dǎo)自演的《戲臺》回歸大熒幕，公映 4 天就斬獲近 2 億元票房。不過，對于這部打磨 13 年的影片，網(wǎng)友給出了兩極分化的評價。

我們讓 Skywork Browser Agent 基于用戶反饋，生成一個關(guān)于電影《戲臺》上映后網(wǎng)友評價的分析報告網(wǎng)頁。

此處的工作流程與前文所述相似：勾選補充信息、生成待辦清單，然后調(diào)用 MCP 工具執(zhí)行任務(wù)。比如旁邊會彈出一個 Skywork 虛擬機來顯示瀏覽器 agent 的操作軌跡：它可以自動打開豆瓣電影首頁，輸入「戲臺」進行搜索，進入電影鏈接詳情頁后收集更完整的信息和用戶評論。

搜完信息，它就開始搭建網(wǎng)頁，開發(fā) HTML 頁面框架，并按照各分析維度劃分內(nèi)容區(qū)塊；設(shè)計 CSS 樣式，確保頁面美觀易讀；使用 JavaScript 實現(xiàn)數(shù)據(jù)可視化和交互功能，同時下載并配置相關(guān)圖片資源。如果覺得生成網(wǎng)頁不符合預(yù)期，我們還可以和瀏覽器 Agent 進行多輪交互，根據(jù)當前生成好的網(wǎng)頁進行二次編輯，Skywork Browser Agent 強大的指令跟隨能力可以完美支持這一操作。

可以看到，最后生成的網(wǎng)頁不僅結(jié)構(gòu)清晰，設(shè)計精美，且內(nèi)容涵蓋了電影的基本信息、票房表現(xiàn)、豆瓣和貓眼的評分對比等關(guān)鍵數(shù)據(jù)。網(wǎng)頁內(nèi)的觀眾評分分布、情感傾向分析和熱點話題圖云等可視化圖表，極大提升了信息的可讀性和直觀性。我們還可以通過簡單的點擊與交互，深入了解影片的各項數(shù)據(jù)和網(wǎng)友評論，進一步剖析影片的正負面評價及爭議點。

為測試穩(wěn)定性，我們還進行了一個有趣的實驗 —— 瀏覽周杰倫的 Instagram，并打造一款粉絲應(yīng)援網(wǎng)站。結(jié)果顯示，制作的網(wǎng)頁不僅功能完整，還具備獨特的視覺風(fēng)格，效果出色。

如此高效穩(wěn)定網(wǎng)頁瀏覽能力的實現(xiàn)，要歸功于以下多項自研的關(guān)鍵技術(shù)方案：

• 集成強大的多模態(tài)推理模型與優(yōu)化的 DOM（文檔對象模型）解析能力，為 Skywork Browser Agent 提供了卓越性能的核心支撐。
• 主流平臺動作適配與并行搜索 / 多動作規(guī)劃機制，顯著提升執(zhí)行效率。
• 內(nèi)置智能篩選系統(tǒng)以自動過濾低質(zhì)或涉隱圖片和文字內(nèi)容。
• 人機交互場景下支持智能提示與接管，而且能通過加密與前端保護機制保障用戶隱私安全。

Skywork Browser Agent，通過模擬人類瀏覽與交互方式，革新傳統(tǒng)的數(shù)據(jù)采集與分析模式，精準高效地完成智能搜索、多模態(tài)信息分析與社區(qū)內(nèi)容洞察，在長周期的 VLA（視覺 - 語言 - 動作）任務(wù)中展現(xiàn)巨大的潛力。

不過，這一功能尚處于內(nèi)測和邀測階段，預(yù)計將于下周向全部用戶開放。

全棧式演進

構(gòu)建從數(shù)據(jù)、算法到多智能體系統(tǒng)的智能基座

從一系列實測看下來，昆侖萬維此次的 Agent 產(chǎn)品在自主性、交互性、任務(wù)完成度等方面已經(jīng)今時不同往日，稱得上是一個「獨立思考、深度執(zhí)行的智能工作伙伴」。 特別是在信息檢索、整理、總結(jié)以及復(fù)雜任務(wù)的執(zhí)行中表現(xiàn)出了驚人的效率與準確性，背后依托的是 Skywork Deep Research Agent V2 引入的多項關(guān)鍵提升機制，包括高質(zhì)量數(shù)據(jù)合成、端到端強化學(xué)習(xí)、高效并行推理以及多智能體演進系統(tǒng)。

作為 AI 三大核心要素之一，在數(shù)據(jù)層面下功夫任何時候都是必要的。為了增強 Agent 模型對復(fù)雜及深度信息搜索場景的理解，昆侖萬維自研了一套端到端深度信息問題合成流程，使系統(tǒng)生成高質(zhì)量搜索查詢數(shù)據(jù)集成為可能。

首要一點是制定數(shù)據(jù)質(zhì)量標準。昆侖萬維在初期設(shè)計階段明確了高質(zhì)量搜索問題以及答案的五大核心標準，包括多樣性、正確性、唯一性、可驗證性和挑戰(zhàn)性，確保每一個生成的查詢都能覆蓋廣泛的主題和難度層次，同時答案也要準確、唯一可靠并可驗證。然后進入到數(shù)據(jù)準備階段，通過多渠道收集互聯(lián)網(wǎng)數(shù)據(jù)，構(gòu)建初步的種子池，并利用自動化篩選系統(tǒng)評估、挑選出最具潛力的信息，為后續(xù)問題構(gòu)造提供優(yōu)質(zhì)素材。

接下來處理復(fù)雜且具有挑戰(zhàn)性的問題，一方面利用深度信息收集技術(shù)系統(tǒng)性地從多個信息源中提取線索，將具體信息抽象為高難度的搜索查詢；另一方面采用迭代式增強策略，將簡單搜索轉(zhuǎn)化為多步推理的復(fù)雜問題。過程中引入了層次化推理鏈和信息混淆技術(shù)，以進一步提升問題復(fù)雜度和模型推理能力。

一番流程跑下來，每個環(huán)節(jié)的數(shù)據(jù)質(zhì)量和任務(wù)難度都得到嚴格控制，尤其是覆蓋五大標準的高難度問題體系，為接下來大規(guī)模、端到端的強化學(xué)習(xí)提供了數(shù)據(jù)基礎(chǔ)。

想要提升 Agent 模型的學(xué)習(xí)效率和推理能力，需要克服傳統(tǒng) RLHF 獎勵模型主觀性強和易受攻擊的難題，為此昆侖萬維提出了非對稱驗證驅(qū)動的強化學(xué)習(xí)方法。具體到訓(xùn)練框架上，采用了 GRPO 算法和動態(tài)課程學(xué)習(xí)機制，確保訓(xùn)練過程中數(shù)據(jù)維持在最佳難度區(qū)間，避免簡單和過難問題的干擾；同時動態(tài)更新數(shù)據(jù)集并補入新的數(shù)據(jù)，使模型始終處于有效「學(xué)習(xí)區(qū)」內(nèi)。

為了進一步提升驗證精度和獎勵的有效性，昆侖萬維創(chuàng)新性地引入了基于線索的生成式密集獎勵機制，并利用生成式獎勵模型為 Agent 模型提供更細致的反饋。若輸出最終答案則給予滿額獎勵，若未能輸出最終答案則進一步分析問題構(gòu)造階段保存的線索以進行過程評估，并在判定當前輸出中正確線索比例的基礎(chǔ)上賦予模型連續(xù)、高區(qū)分度的部分獎勵。獎勵信號貫穿整個解題過程，提升學(xué)習(xí)效率和推理能力的目標得以實現(xiàn)。

性能得到保障的同時，效率也必須提升，這時昆侖萬維自研的并行推理框架發(fā)揮了用武之地。此前谷歌 DeepMind 在其最新 Gemini 2.5 Deep Think 推理模型中通過生成多個 Agent 來并行處理任務(wù)，并摘得 IMO 2025 競賽金牌，有力驗證了并行推理機制在提升復(fù)雜任務(wù)處理效率方面的有效性。而基于以下三項創(chuàng)新，昆侖萬維在顯著提升推理效率的同時大大節(jié)省了計算資源。

一是并行思考模式，在每一步生成多個候選推理路徑并從中篩選最優(yōu)候選路徑以備后續(xù)使用，避免因推理鏈斷裂、前后邏輯沖突導(dǎo)致的卡殼等失效行為。同時通過多節(jié)點異步推理架構(gòu)，有效縮短推理時間并提升計算資源使用效率；二是在多步推理規(guī)劃中引入生成式評估方案，對多個候選推理路徑進行打分和篩選，結(jié)合錦標賽排序機制確定最優(yōu)推理軌跡，并利用異步推理機制降低這一過程所帶來的計算負擔和時間開銷；三是在并行推理過程中引入熵自適應(yīng)剪枝技術(shù)，動態(tài)調(diào)整路徑選擇，減少冗余計算，降低資源開銷。環(huán)環(huán)相扣，保證系統(tǒng)面對復(fù)雜動態(tài)任務(wù)依然穩(wěn)定高效。

并行思考模式下，Skywork Deep Research 的正確率隨思考時間延長持續(xù)攀升，驗證了其自研系統(tǒng)架構(gòu)在推理深度與擴展性上的巨大潛力。

在數(shù)據(jù)、算法、算力優(yōu)化之外，Skywork Deep Research Agent v2 能力的躍升與多智能體演進系統(tǒng)的持續(xù)進化息息相關(guān)。隨著 Agent 應(yīng)用場景日益豐富，MCP（模型上下文協(xié)議）外接工具的作用越來越大，不過隨著此類工具數(shù)量和復(fù)雜度的增加，需要更高效的自動化管理工具。針對此，MCP 工具自動創(chuàng)建技術(shù)應(yīng)用而生，通過對工具定義的標準化管理和實時同步，大幅減少人為錯誤，提升系統(tǒng)響應(yīng)速度和工具鏈的靈活性。

在這一 MCP Manager Agent 的基礎(chǔ)上，一個將模型能力與工具能力結(jié)合起來的協(xié)同多智能體框架形成，不僅能高效組織多個 Agent 協(xié)作，還通過動態(tài)創(chuàng)建 MCP 工具來強化任務(wù)應(yīng)對能力和環(huán)境適應(yīng)能力。下圖整體架構(gòu)中一一顯示出 了規(guī)劃 Agent、深度調(diào)研 Agent、瀏覽器使用 Agent、數(shù)據(jù)分析 Agent 和 MCP Manager Agent。

這一套系統(tǒng)性的升級，無疑讓 Skywork Deep Research Agent V2 具備了強通用性、強適應(yīng)性和強自主性，從而構(gòu)筑起 Agent 模型強大的智能基座，在實操中釋放出更強的穩(wěn)定性、泛化性與創(chuàng)造性。

寫在最后

2025 年已經(jīng)過半，我們明顯感受到的一點是：伴隨 Scaling Laws 逐漸放緩的影響，國內(nèi)外 AI 玩家們追求單一最強通用大模型的熱度有所降溫，就連 OpenAI 迄今最強的旗艦?zāi)Ｐ?GPT-5 都被吐槽缺乏突破性體驗。相反，成果開源與應(yīng)用落地成為了業(yè)界普遍關(guān)注的焦點。

可以說，AI 行業(yè)重心的轉(zhuǎn)移正在重新定義下一階段的競爭格局。誰能在開源之上更快更好地打造貫通上下游的工具鏈與應(yīng)用生態(tài)，同時率先將 AI 能力轉(zhuǎn)化為可規(guī)模化部署的商業(yè)生產(chǎn)力，誰就更能在新一輪 AI 競賽中搶占戰(zhàn)略高地。

昆侖萬維為期一周的模型發(fā)布，既是其 AI 技術(shù)成果的集中亮相，也是其在多模態(tài) AI 領(lǐng)域加速落地、引領(lǐng)行業(yè)趨勢的重要信號。

無論是賦能創(chuàng)作者進行高質(zhì)量圖片與視頻生成、構(gòu)建虛擬世界智能交互，還是 Agent 驅(qū)動的自動化任務(wù)執(zhí)行、音樂創(chuàng)作靈感激發(fā)，昆侖萬維從基座模型到多模態(tài)交互系統(tǒng)的全棧式布局又一次展現(xiàn)在大眾面前。這也彰顯出這家 AI 公司堅定踐行其「All in AGI 與 AIGC」發(fā)展戰(zhàn)略的決心與魄力，通過打造全方位的產(chǎn)品矩陣，以期在全球 AI 競爭格局中穩(wěn)固并擴大自身領(lǐng)先優(yōu)勢。

其中，作為當前加速大模型落地的核心途徑，Agent 的重要性已經(jīng)在業(yè)界達成共識。我們可以期待，此次的深度研究 Agent 勢必會在深度任務(wù)執(zhí)行、多模態(tài)協(xié)作和跨場景應(yīng)用中繼續(xù)拓寬昆侖萬維大模型的落地邊界，也有望為整個 AI 行業(yè)帶來更高效、更智能的解決方案。