小红书 AllSpark 开源搜索智能体 Iris，35B 逼近万亿档
小红书 AllSpark 团队把搜索智能体 Iris 开源了，35B，技术报告已经挂在 arXiv 上。榜单数字先放一边，这个模型真正有意思的地方是它证明了一件事：搜索 Agent 的瓶颈不在模型够不够大，而在模型有没有为「搜索」这个行为专门练过。
过去一年大部分「搜索 Agent」是拼装的：一个通用模型，加提示词，串上搜索工具，看起来能跑。但这类拼装货有个通病——不会收敛。模型会不停发查询、反复读结果，把上下文塞满垃圾信息，越到后面越糊涂。Iris 走的是另一条路：直接为搜索行为做端到端训练，让模型自己学会什么时候该换查询、什么时候该停、读到的内容里哪些值得留。
如果你自己搭过调研类 Agent，大概体会过这个问题：跑一个深度调研任务，token 花了十倍，结论还不如人搜十分钟。上下文管理就是罪魁祸首。Iris 的做法能不能直接抄到你的 Agent 里另说，但这个方向值得盯着。
几个要泼的冷水：
- 数据和训练配方官方说「陆续公布」，现在开源的完整度还打不了满分。跑分好看但复现不了的东西，这行见得太多了。
- 基座是 Qwen 系，能力上限有一部分是基座给的，不全是 Iris 本身的功劳。
- 推理成本没公布。真要上生产，先自己压测，别拿榜单数字做预算。
我的建议是：小规模试，把它放进非关键链路（比如内部资料整理），跑两周看看真实成本和稳定性，再决定要不要重视它。35B 这个规模对自部署是友好的，试错成本不高。
原文出处 · 事实以此为准
Hugging Face · AllSpark-Research/Iris-mini