在人工智能領域，一項新的突破正引發廣泛關注。阿里巴巴旗下的通義實驗室宣布，其自主研發的網絡智能體WebSailor已在開源網絡智能體榜單上登頂，超越了包括DeepSeek R1和Grok-3在內的多個知名模型和智能體。

WebSailor之所以備受矚目，是因為它具備出色的推理和檢索能力。面對高度復雜和線索模糊的任務，WebSailor能夠主動在互聯網中搜集信息，并通過多步推理和交叉驗證，將分散的線索串聯起來，從而得出準確的答案。這一能力在業界備受認可，尤其是在OpenAI發布的BrowseComp評測集上，WebSailor更是展現出了卓越的性能。

BrowseComp評測集包含了1266個高難度問題，旨在評測大模型和智能體的檢索性能。這些問題不僅涉及的信息廣泛且復雜，而且要求AI能夠在海量的互聯網內容中迅速定位并提取出關鍵信息。然而，盡管業界對此進行了大量的研究，但在此前數月內，尚無開源系統能夠取得接近閉源模型的成績。而WebSailor的出現，打破了這一僵局。

為了構建WebSailor，通義實驗室付出了巨大的努力。他們首先合成了大量具有高度不確定性的復雜任務數據SailorFog-QA，并基于Qwen模型進行冷啟動微調，讓模型能夠學習到超越人類的復雜推理模式。他們還提出了一種高效的強化學習算法DUPO，該算法基于雙階段動態采樣策略，大幅提高了訓練效率，使得WebSailor即使在密集工具交互的情境中也能快速迭代。

在BrowseComp評測集的實測中，WebSailor的表現令人矚目。無論是WebSailor-32B還是WebSailor-72B，都在開源模型和智能體陣營中實現了斷層領先，甚至超越了部分閉源模型，僅次于閉源的OpenAI DeepResearch。這一成績不僅證明了WebSailor的卓越性能，也展示了通義實驗室在人工智能領域的深厚實力。

WebSailor不僅在高難度任務上表現出色，在普通任務上的表現也同樣卓越。在SimpleQA數據集上，WebSailor的表現超越了其他方法，展現出了極強的兼容性和有效性。這一結果進一步驗證了WebSailor方法的泛化能力，也為其在未來的廣泛應用奠定了堅實的基礎。

今年以來，通義實驗室已經開源了WebWalker、WebDancer和WebSailor三個檢索和推理智能體，并且這三個智能體都取得了SOTA（State-of-the-Art）的成績。這一系列的成果不僅展示了通義實驗室在人工智能領域的創新能力，也為整個行業的發展注入了新的活力。