转载自：阶跃星辰

比肩 Gemini、成本直降 90%！

向大家介绍我们最新端到端深度研究智能体模型：Step-DeepResearch。

它能做什么？

• 会思考：懂规划、会反思、还能自主验证信息的真伪，不只是数据爬虫。

• 更专业：结合高质量搜索 API，内置 2000 万+ 高质量文档库和 600+ 权威站点索引，过滤低信源信息干扰。

• 更聪明：独特的原子能力训练法，让模型把“专家思维”内化在骨子里。

在针对真实复杂场景的 ADR-Bench 评测中，Step-DeepResearch 表现出极强竞争力，在多个维度上全面超越海内外一线 DeepResearch 产品和模型，包括基于千亿级甚至万亿级参数 MoE 架构的 Gemini DeepResearch、OpenAI DeepResearch 等模型。

而 Step-DeepResearch 仅基于单智能体架构实现。

在我们的技术报告全面公开后，立刻引发海内外社区热烈讨论，并入选 HuggingFace Daily Papers。

现在，我们开启 API 内测，欢迎大家踊跃体验！

• 论文地址：https://arxiv.org/pdf/2512.20491

• GitHub：https://github.com/stepfun-ai/StepDeepResearch

• API 内测：https://wvixbzgc0u7.feishu.cn/share/base/form/shrcn8CP78PJgkjvvIh2C3EF3cc

• 官方主页：https://www.stepfun.com/deep-research-invitation

专家级性能，比肩海外顶尖大模型

Step-DeepResearch 在多项权威基准测试中都达到全球顶尖水平。

在 Research Rubrics 上，Step-DeepResearch 得分 61.42%，仅次于 Gemini DeepResearch（约 63.69分），且超越了 OpenAI DeepResearch。

在“引用质量”和“沟通质量”两个维度上达到了行业最高水平。

在针对真实研究场景的 ADR-Bench 评测中，Step-DeepResearch 的人类 Elo 评分在多个维度处于第一梯队。

特别是在与 Gemini DeepResearch等顶尖模型的直接博弈中，其“胜+平”率高达 67.1%，证明了其生成的报告质量已达到当前最先进水平。

真实案例

• GUI Agent 技术概述及落地应用场景深度研究报告

Step-DeepResearch 引用最新行业动态（Step-GUI、豆包手机等），来自上百条条高质量信源，内容覆盖底层技术、应用、挑战与争议，客观全面分析议题，达到标准调深度研报告水平。

▲上下详细内容

让基础模型快速成为深度研究专家

Step-DeepResearch 的主要创新可归纳为3方面：

• 基于原子能力的数据合成策略

• 渐进式智能体训练范式

• 自建 ADR-Bench 评估体系

我们将深度研究能力拆分为四个原子能力，并针对性地合成数据进行强化。

1. 规划与任务拆解：能将模糊、宏大的用户需求拆解为可执行的子任务，并根据环境反馈动态调整路径。

2. 深度信息搜索：具备多跳推理能力，能在信息不完整时进行“主动拓扑行走”，挖掘隐藏实体。

4. 报告生成：通过中期训练（Mid-training）学习专家写作风格，并利用 SFT 确保报告严格遵循规划结构和引用规范。

我们的智能体训练范式主要包含三个阶段：

1. Agentic Mid-training：在预训练和微调之间加入 Mid-training，通过 32K 和 128K 两个阶段的上下文调度，注入原子能力，使模型内化“下一步行动”的决策逻辑，而非简单的“预测下一个 Token”。

2. SFT：侧重于长程决策轨迹的合成与领域适配，强化意图理解、规划执行及严格引用格式的遵循，解决模型在长时间研究任务中容易“分心”或“迷路”的问题。

3. RL：引入 Checklist-style Judger 奖励设计，将复杂的报告质量评估转化为细粒度的信号，进一步优化长程决策的鲁棒性。

在系统架构上，我们采用单智能体 ReAct 架构，避免复杂多智能体系统协作带来的系统冗余。

欢迎转发，但请注明出处“上海经信委”