小红书 AllSpark 发布开源 Search Agent Iris：35B ，397B 部分基准反超

Iris 是面向真实网络边搜边读边推理、自主决定何时收敛作答的 Search Agent，权重与评测代码已开源。数据侧，训练题从网页超链接结构反向构造：以种子页面为答案顺出链聚成小型实体图谱、编写需跨多页多步推理才能得到唯一答案的问题，再把题面除答案外的每个实体改写为描述性指代以杜绝关键词匹配，最后用参考模型双重筛选（闭卷答不出且给证据上下文能答对且答案唯一）的题目才保留，全流程自动、不依赖人工出题。训练侧采用 SFT–RL Climbing：SFT 阶段用强教师模型在真实搜索工具上产出轨迹，经轨迹层与单轮“判官”两层过滤；RL 阶段把判分与摘要都收进训练集群内部（自建模型同时充当奖励判官与检索内容摘要器，全程不依赖外部 API），并对超长轨迹做请求级“断点续跑”，每轮 RL 后把最难做对与最高效解出的轨迹回灌下一轮 SFT。评测侧在 BrowseComp、BrowseComp-ZH、DeepSearchQA、HLE 四个基准上、相同 Tool/Context/Judge Model 与单 ReAct 智能体设置下比较：Iris-mini（35B）成绩 82.2 / 84.8 / 86.9 / 52.3，BrowseComp 上 82.2 分逼近 Kimi-K2.6 等万亿参数级模型；Iris-pro（397B）成绩 88.6 / 85.1 / 92.9 / 56.4，在 BrowseComp、DeepSearchQA、HLE 上为同量级最强开源，BrowseComp-ZH 并列第一。上下文管理对照实验显示，即便不开 CM 也领先同量级系统，开启后小模型获益更大。团队还观察到为 Search 合成的数据与专家模型在未见过的 General Tool Use（BFCL、τ-bench）与 Cowork（OfficeQA、APEX）场景同样有效。 团队给出 Iris 的官方项目入口 GitHub https://github.com/AllSpark-Research/Iris 与 HuggingFace 权重合集 https://huggingface.co/collections/AllSpark-Research/iris，宣称公开模型权重、评测代码，并将陆续公布数据构造、训练、评测各环节的关键组件与完整配方。正文对开源范围的表述存在不一致：导读称“权重和评测代码已开源，并将陆续公布数据与训练的完整配方”，文末则称“团队计划开源模型权重，以及数据构造、训练、评测各环节的关键组件”，故本条开源范围标为待核。