OpenDS-World评测真实网络深度搜索
AI 总结
多家机构团队提出深度搜索任务范式OpenDS，并构建面向真实开放网络环境、包含200项任务的OpenDS-World基准。据机器之心报道，任务覆盖4种模态、42种资源格式和7类证据访问需求；参评的12个模型中，GPT-6 Astra以39.0%的准确率居首，Claude Opus 5.5和Gemini 3.8 Flash分别为38.0%和36.5%。评测还记录工具失败、执行时间、搜索终止决策及完整执行轨迹。
深度见解
OpenDS-World将多模态、异构格式和交互式访问纳入智能体端到端评测，其结果揭示工具失败与冗长搜索路径会显著占用有限预算。
机器之心 2026-10-30 18:33 北京
新的深度搜索任务范式 OpenDS 及面向真实开放网络环境的评测基准 OpenDS-World
近年来，随着大语言模型推理和使用工具的能力不断提升，Deep Search Agent 已具备一定的自主搜索与信息整合能力。越来越多的研究开始尝试让 Agent 自主规划搜索路径，处理需要跨越多个信息源的复杂问题。
但当 Deep Search 真正进入现实互联网，研究过程会变得复杂得多。
#OpenDS#OpenDS-World#GPT-6 Astra#Claude Opus 5.5#Gemini 3.8 Flash#Qwen3.8 Max#GLM-5.3 Flash#DeepSeek V4.1-Flash#Kimi K3#Qwen3.8-Flash#GPT-5.6 Sol#Qwen3.8-27B