智东西 AI 前瞻（公众号：zhidxcomAI）

作者 | 江宇

编辑 | 漠影

智东西 AI 前瞻 7 月 8 日报道，昨日，阿里巴巴通义实验室正式开源其最新网络智能体 WebSailor，该智能体在多个高难度任务评测中刷新了开源系统的最好成绩，成为首个在 BrowseComp 等基准上逼近闭源系统能力的开源方案。

WebSailor 可在开放网页环境中自主跳转页面、查找信息、整合多源线索并完成推理，适用于处理路径不明确、问题模糊、需多步判断的复杂检索任务。

7 月 3 日，WebSailor 技术报告在 Hugging Face Papers 当日热度榜中排名第一，成为当天关注度最高的 AI 论文之一。

该项目的模型代码、训练方法与评测数据集也已同步在 GitHub 开源。

GitHub 地址：

https://github.com/Alibaba-NLP/WebAgent

一、评测表现：首次在 BrowseComp 任务中追近闭源模型

WebSailor-72B 版本在三大公开评测集上表现突出：

1、BrowseComp-en：12.0%

2、BrowseComp-zh：30.1%

3、GAIA（信息检索子集）：55.4%

其中，BrowseComp 是由 OpenAI 发布的网页智能体评测集，覆盖 1266 个难度极高的检索任务，考察模型在开放网页上的搜索、筛选、整合和推理能力。

在 BrowseComp 等评测中，WebSailor 在开源智能体中实现断层领先，超过 DeepSeek R1 等开源方案，并首次在多个指标上逼近 Grok-3、Doubao-Search 等闭源方案。

值得注意的是，尽管训练聚焦高难任务，WebSailor 在面向初级问答的 SimpleQA 子集上也展现出泛化能力。

在该任务中，WebSailor-72B 取得 93.5% 的准确率，超过包括 WebDancer、WebThinker、DeepSeek 等多种方案。

WebSailor 在多个维度评测中均位列开源智能体第一，进一步缩小了与 OpenAI DeepResearch 等闭源系统的差距。

二、打造高不确定性任务集，提升 Agent 复杂推理能力

WebSailor 的核心突破在于其完整的后训练（post-training）方案，贯穿数据生成、冷启动调优、强化学习三大阶段：

1、高不确定性任务合成

通义团队构建了名为 SailorFog-QA 的问答数据集，旨在模拟高不确定性、模糊路径的信息检索任务，采用以下方式生成问题样本：

通过 " 随机游走 " 模拟网页跳转行为，在真实网页中构建复杂知识图谱；

利用 " 图结构采样 + 信息模糊化 " 处理，制造多跳、非线性、起点不明的问题，提升任务不确定性。

2、冷启动微调（RFT）

该智能体基于 Qwen-2.5（3B、7B、32B、72B）系列模型进行初始化，并通过对专家路径的压缩重构，生成清晰的中间推理步骤，从而增强其在复杂任务路径中的可控性与稳定性。

3、高效强化学习算法：DUPO

WebSailor 引入强化学习新算法 Duplicating Sampling Policy Optimization（DUPO），采用双阶段动态采样策略：

RL 前期：剔除过于简单的问题，集中训练高难度轨迹；

RL 训练中：重复采样困难轨迹结果，并加入当前批次以高效迭代。

该策略在提升效果的同时，将复杂 Agent 的强化学习训练速度提升 2 – 3 倍。

三、产品线布局：从基准构建，到原生浏览器智能体

WebSailor 是通义实验室 "Web 智能体 " 系列的第三项重要发布：

WebWalker（2025 年 1 月）：主攻网页任务评测基准构建，提升评测标准化与复现性；

WebDancer（2025 年 5 月）：关注自主检索 Agent 策略学习，强化信息搜集与自决能力；

WebSailor（2025 年 7 月）：整合任务构建、调优与强化学习方法，首次在开源系统中实现对闭源系统的能力追近。

通义团队称，后续将继续扩展该系列，构建 " 基于浏览器的原生智能体框架 "，适配更多开放式、跨模态的复杂推理场景。

结语：朝 " 开源版 DeepResearch" 迈进一步

从大规模任务合成到高效强化学习，从 Benchmarks 构建到模型开源，WebSailor 正逐步进化。

虽然距离 OpenAI 等闭源系统仍有差距，但其在复杂任务上的大幅进展，正在为 " 开源 Agent 可用化 " 提供新的可能性。

如果说 DeepResearch 代表了闭源网络 Agent 的能力上限，那么 WebSailor 的诞生，或许意味着开源世界正开始接近那道分水岭。