阿里通义开源WebSailor，引领网络智能体新篇章

2025年7月7日，阿里云传来一则振奋人心的消息：通义正式开源了其网络智能体WebSailor，并且该智能体在发布后迅速登顶了开源网络智能体榜单，这一成就无疑为阿里云在智能体领域的技术实力再添一抹亮色。

WebSailor，这个听起来就充满科技感的智能体，具备着强大的推理和检索能力。它能够在复杂场景下，对于模糊问题进行迅速而准确的检索，并通过严密的多步推理和交叉验证，在海量信息中筛选出最终的答案。这样的能力，无疑让WebSailor在信息检索领域独树一帜。

值得一提的是，WebSailor的构建方案及部分数据集已经在Github上开源，这无疑为开发者们提供了一个宝贵的资源。通过开源，阿里云不仅展示了其在技术上的自信，也鼓励了更多的开发者参与到智能体的研发中来，共同推动技术的进步。

那么，WebSailor究竟是如何做到在众多智能体中脱颖而出的呢？这背后离不开通义实验室团队的创新努力。他们采用了一整套创新的post-training方法，大幅提升了该开源模型在复杂网页推理任务上的表现。在高难度智能体评测集BrowseComp上，WebSailor的成绩一举超越了DeepSeek R1、Grok-3等模型和智能体，成功登顶开源网络智能体榜单。

为了验证WebSailor的实验效果，通义实验室在多个benchmark评测集上进行了实测。其中，BrowseComp作为OpenAI开源的浏览器检索效果评测集，包含了1266个高难度问题，是目前难度最高的评测集之一。而WebSailor在英文版和中文版BrowseComp评测集上的实测结果显示，它不仅在开源模型和Agent阵营里实现了断层领先，甚至超越了DeepSeek R1、Grok-3等闭源模型，仅次于闭源的OpenAI DeepResearch。这样的成绩，无疑是对WebSailor技术实力的最好证明。

尽管WebSailor是基于高难度数据进行训练的，但它在聚焦普通任务SimpleQA的数据集上同样表现出色，超越了其他方法。这充分展示了WebSailor的兼容性和有效性，也验证了其方法的泛化能力。阿里云表示，WebSailor提供了一个通用的workflow，可以借鉴到其他领域的问题中。它强调的“高难度任务合成+小规模冷启动+高效RL优化”的组合拳策略，具有很强的普适性。

展望未来，开源社区可以参考WebSailor的思路，去攻克更多类似“超越人类能力”的任务。无论是开放领域的复杂推理问答、学术知识发现，还是跨模态的信息整合等，WebSailor都为我们提供了一个全新的视角和思路。相信在不久的将来，我们将会看到更多基于WebSailor的创新应用涌现出来，为我们的生活带来更多的便利和惊喜。