Iris评测：小红书AllSpark团队开源的搜索智能体深度解析

1. Iris是什么

Iris是小红书AllSpark团队开源的搜索智能体，包含35B（Iris-mini）和397B（Iris-pro）两个版本，采用MoE架构，激活参数分别为3B和17B。该模型能够在真实网络环境中自主决策搜索策略、阅读方式与收敛时机，通过从网页超链接反向构造训练数据，结合SFT与强化学习交替的SFT–RL Climbing训练法，在BrowseComp、DeepSearchQA、HLE等搜索基准上取得同量级开源模型中的领先成绩，其中35B版本已逼近万亿参数模型的搜索能力，且搜索能力可外溢至通用工具调用等任务。

技术定位与领域： Iris属于搜索智能体（Search Agent）领域，聚焦于让大语言模型在真实网络环境中完成自主检索、多步推理与证据整合的闭环任务。与传统RAG方案不同，Iris将搜索引擎作为可调用工具，模型自行决定检索策略、阅读深度和答案收敛条件，实现“边搜边想边答”的推理范式。

研发背景： 该模型由小红书AllSpark团队研发，团队在数据构造与训练工程方面建立了完整的技术体系。Iris项目于2026年开源，公开了模型权重、推理与评测代码、数据构造方法和训练配方，旨在推动搜索智能体技术的透明化发展。

核心价值： Iris解决了现有搜索模型在真实网络中“搜索策略单一、跨页推理能力弱、训练数据依赖人工标注”三大痛点。通过反向造题机制实现数据构造的自动化与规模化，并通过SFT–RL Climbing交替训练法形成自适应课程，让模型能力随训练推进持续增强。

技术特点： 核心技术亮点在于“反推式”数据构造逻辑——从网页超链接图谱反向生成需跨页多步推理的题目，并抹掉可匹配线索；同时在训练工程上实现判分与摘要全内化、超长轨迹断点续跑等机制，显著提升训练效率与稳定性。

2. 主要功能

• 自主网络搜索： 模型自行决策搜索关键词、分析检索结果相关性、判断何时继续搜索或收敛作答。该能力基于强化学习训练，使模型在真实网络环境中形成动态搜索策略，而非遵循预设的固定流程。

• 多步跨页推理： 支持跨多个网页逐步锁定唯一答案，将不同页面的事实片段组合为完整证据链。区别于靠关键词匹配的浅层检索，Iris能沿着超链接进行多跳推理，适用于信息分散且需逻辑串联的复杂问题。

• 中英文复杂检索： 在BrowseComp与BrowseComp-ZH中英文双重基准上均达到同量级开源模型最优表现，对中英混合语料和跨语言信息检索具备稳定的处理能力。

• 证据覆盖型问答： 作答时主动覆盖完整证据链而非给出孤立结论，在DeepSearchQA基准上表现领先。该能力使Iris适用于对答案可溯源性要求较高的场景，如深度研究与事实核查。

• 专家级难题求解： 能够处理HLE（Humanity's Last Exam）这类需要专家级知识储备与多步推理的高难度问题，表明其推理深度不仅限于常识性问答，可延伸至专业领域。

• 上下文管理策略： 采用截断、压缩等上下文管理机制，支持长链路搜索不中断。该设计对参数量较小的Iris-mini尤其关键，有效缓解长上下文下信息丢失与性能衰减问题。

• 能力外溢： 未经专门训练即可胜任通用工具调用与办公协作任务，在BFCL、τ-bench、OfficeQA、APEX等基准上表现良好。搜索过程中习得的“决策规划—工具调用—信息整合”能力具备可迁移性。

3. 应用场景

• 深度研究与调研报告： 面向行业分析、竞品调研和学术文献综述场景，Iris可自动执行多轮检索与跨页推理，将分散在不同网页的证据拼接为完整的调研结论。适用于Deep Research类产品，可显著缩短人工信息收集与整合的时间成本。

• 复杂事实核查： 针对辟谣、事实核查与尽职调查等必须追溯信息来源的场景，Iris的回答覆盖完整证据链，能够跨多个网页锁定唯一答案并给出可溯源的推理过程，满足“必须找到出处”的严格要求。

• 中英文双语信息检索： Iris在BrowseComp与BrowseComp-ZH上均取得领先成绩，能够处理中英混合语料的检索任务。适用于跨境信息监测、海外市场调研和多语言资料整合等需要中英文交叉验证的场景。

• 通用工具调用Agent底座： Iris的能力可外溢至BFCL、τ-bench等通用工具调用基准，无需专门训练即可胜任工具选择、参数生成与结果解析等任务，可作为构建General Tool Use Agent产品的基础模型。

• 办公协作助手： 在OfficeQA与APEX等办公任务上，Iris无需专门训练即可处理文档问答与流程辅助任务，适合嵌入办公助手产品中处理带检索需求的复杂工作指令。

4. 如何使用

1. 克隆代码仓库： 执行 git clone https://github.com/AllSpark-Research/Iris 获取完整推理与评测代码，仓库中包含了模型加载、搜索工具接入与评测脚本。

2. 下载模型权重： 从HuggingFace集合 huggingface.co/collections/AllSpark-Research/iris 下载Iris-mini（35B）或Iris-pro（397B）权重。Iris-mini激活参数为3B，Iris-pro激活参数为17B，可根据推理资源选择对应版本。

3. 配置运行环境： 按仓库要求安装依赖项，包括vLLM或SGLang等推理框架。网络环境需允许访问外部搜索引擎API，联网检索是搜索智能体运行的必要前提。

4. 加载模型并接入搜索工具： 使用ReAct智能体形式加载模型，将搜索引擎作为工具注册给模型调用。Iris的搜索策略依赖真实网络反馈，必须确保搜索接口可用且返回结果质量稳定。

5. 运行推理： 输入问题后，模型自动执行规划查询—阅读网页—多步推理—收敛答案的完整流程。建议以带有可验证事实的问题进行首轮测试，观察模型搜索策略与证据引用质量。

6. 评测复现与调优： 仓库内置对齐式评测协议，统一了工具、上下文与判分模型，可复现BrowseComp等基准结果。如需适配特定业务场景，可调整上下文管理策略（截断/压缩）与搜索调用频率等超参数。

5. 优缺点分析

6. 同类工具对比

选型建议： 对于需要完全掌控模型内部机制的研究机构和企业，Iris是当前搜索智能体领域开源程度较高的选择，其数据构造方法和训练配方可复现，便于在特定垂直领域进一步微调与定制。在算力资源有限但侧重搜索质量的场景下，Iris-mini的35B规模（激活3B）提供了较高的参数效率。而对于需要通用对话、创作等复合能力的产品，Kimi-K2.6这类万亿参数通用模型在综合能力上更有优势，但其Agent Swarm评测方式依赖多智能体加成，与单模型搜索能力的对比需注意协议差异。

7. 编辑总结

Iris在搜索智能体领域的技术创新具有较明显的突破意义。传统的搜索增强生成方案普遍采用“检索—拼接—生成”的流水线模式，检索策略固定、跨文档推理有限；而Iris通过SFT–RL Climbing交替训练法，让模型在真实网络环境中自主形成搜索策略，实现了搜索决策的动态化。其反向造题的数据构造机制尤为值得关注——从网页超链接图谱自动生成“够难且可解”的训练数据，全程无需人工出题，且随语料规模无限扩展，解决了搜索智能体训练数据稀缺的行业难点。

从实用价值看，Iris-mini仅35B参数即可在BrowseComp上取得82.2分，逼近万亿参数模型，体现出较高的参数效率。对于算力预算有限的研究团队和企业，这意味着不必依赖超大规模模型即可获得可用的搜索智能体能力。同时，搜索能力外溢至通用工具调用的特性，使其具备成为Agent底座模型的潜力。

适用人群方面，Iris适合深度研究产品开发者、搜索增强应用工程师、LLM推理与训练方向的研究人员，以及需要可复现搜索能力的学术机构。其开源范围覆盖权重、评测代码、数据构造与训练配方，为二次开发和技术研究提供了完整的参照体系。

未来发展中，搜索智能体与通用Agent能力的融合趋势日益明显，Iris所验证的“搜索作为可复用原子能力”这一方向，有望在更多产品形态中找到应用空间。团队若进一步优化上下文管理在极端长链路场景下的表现，并拓展更多评测基准覆盖，其开源生态的价值将进一步释放。

8. 常见问题FAQ

Q：Iris与传统的RAG（检索增强生成）方案有何本质区别？
A：传统RAG通常将检索作为一个独立的前置步骤，基于用户问题做一次或多次向量检索，然后将固定数量的文档拼入上下文。Iris则将搜索引擎作为可交互工具，模型自主决定搜索关键词、阅读策略和停止时机，形成“边搜边推理”的动态闭环。其搜索轨迹不是线性的“问题—检索—回答”，而是多轮决策过程。

Q：Iris-mini和Iris-pro如何选择？
A：Iris-mini为35B参数（激活3B），在BrowseComp上取得82.2分；Iris-pro为397B参数（激活17B），得分88.6。若推理资源有限或对延迟敏感，Iris-mini能在较小算力下提供接近大模型的搜索能力；若追求极致搜索质量且算力充裕，Iris-pro更为合适。

Q：部署Iris需要什么样的硬件配置？
A：Iris-mini激活参数仅3B，单张消费级显卡（如RTX 4090 24GB）可运行推理；Iris-pro激活参数17B，推荐使用多卡A100/H100或大显存服务器。具体配置需根据推理框架（vLLM/SGLang）与并发需求确定。

Q：联网搜索失败时Iris能否工作？
A：不能正常工作。Iris的搜索策略依赖真实网络反馈，搜索API不可用或返回结果质量差会直接导致模型无法有效执行多步推理。部署前需确保搜索引擎接口稳定且具备足够的调用配额。

Q：Iris的评测结果能否在本地复现？
A：可以。Iris仓库内置了对齐式评测协议，统一了工具、上下文、判分模型及上下文管理策略，限定单ReAct智能体进行评测。按仓库说明配置环境并下载对应评测数据集，即可在本地复现BrowseComp等基准的成绩。

Q：Iris的训练数据构造方法是否公开？
A：是的。项目公开了从网页超链接反向生成训练数据的方法论，包括实体图谱构建、题目生成、线索抹除和参考模型双重筛选等关键环节。数据构造流程已实现自动化，可随语料规模扩展。

9. 项目地址

• GitHub仓库： https://github.com/AllSpark-Research/Iris （包含推理、评测代码以及训练配方说明）
• HuggingFace模型库： https://huggingface.co/collections/AllSpark-Research/iris （提供Iris-mini 35B与Iris-pro 397B模型权重下载）
• arXiv技术论文： https://arxiv.org/pdf/2609.04304 （系统阐述数据构造方法、SFT–RL Climbing训练法与评测协议）