AI前沿 | 2026年9月15日：Iris 开源搜索智能体 + 上下文管理 + BrowseComp 基准
📖首屏导读 · 本教程配套付费专栏：《大模型工程师修炼手记》
19.9 元（AI 编程 · Agent 实战 · 本文同主题系统课程）· 《AI时代程序员的自我提升》49.9 元（AI 时代成长方法论）单篇不过瘾？订阅解锁全量源码、实战与答疑；文末附资料包领取方式 ↓
📊本期导读：9 月 14 日，AllSpark Research 把双档搜索智能体 Iris的权重放上 Hugging Face（Apache-2.0，配套技术报告 9 月 3 日挂上 arXiv）：Iris-mini 总参数 350 亿、激活 30 亿，Iris-pro 总参数 3970 亿、激活 170 亿，两者都是 MoE、256K 上下文。Iris-pro 在BrowseComp拿下88.6 分、mini 拿 82.2 分，各自参数档位的开源最好成绩；但论文里更值钱的结论是——推理时怎么管那条越滚越长的搜索历史，比把参数堆上去更有效。本文拆六件事：事件、基准、为什么上下文管理是胜负手、工程落地清单、开源信号、给开发者的启示。
一、事件：Apache-2.0 双档开源，一个参数差一个数量级
Iris 是 AllSpark Research 发布的开源搜索智能体，权重全球可下载、技术报告公开，训练流水线代码标注「即将放出」：
| 档位 | 基座 | 总参数 | 激活参数 | 上下文窗口 | 协议 |
|---|---|---|---|---|---|
| Iris-mini | Qwen3.6-35B-A3B 后训练 | 350 亿 | 30 亿 | 256K | Apache-2.0 |
| Iris-pro | Qwen3.5-397B-A17B 后训练 | 3970 亿 | 170 亿 | 256K | Apache-2.0 |
它不属于「又一个能聊天的模型」，而是一个为多轮联网检索设计的智能体：搜索-读页-再搜-再读，把最后答案组织出来。这正是当前 RAG/Deep Research 类产品最缺的开源底座。
二、基准：一个数量级参数差，6.4 分的分差
| 基准 | Iris-mini | Iris-pro | 说明 |
|---|---|---|---|
| BrowseComp | 82.2 | 88.6 | 长尾检索主分，差距 6.4 |
| BrowseComp-ZH | 84.8 | 85.1 | 中文检索 |
| DeepSearchQA | 86.9（F1） | 92.9（F1） | 深度搜索问答 |
| HLE | 52.3 | 56.4 | 人类终生学习难度题 |
参数从 350 亿涨到 3970 亿（约 11 倍），BrowseComp 只涨了 6.4 分；而团队曝光的另一组实验，把三种推理时上下文管理策略对比了一遍——一旦对累积的搜索历史做「摘要化/重试」，两个模型都明显涨分，Iris-mini 涨得比 Iris-pro 更多。对小模型来说，「把搜索日志管好」这件事的边际收益，比继续堆参数高得多。
三、为什么上下文管理是搜索智能体的胜负手
搜索智能体和对话模型的最大区别在状态爆炸：一次 DeepSearch 会累积几十轮「查询词-摘要-候选-淘汰」记录。不管它，上下文会：
- 稀释注意力：越滚越长且大部分无用的历史，把注意力预算从「当前待决策页」抢走；
- 放大错误传递：早前一轮的误判会顺着记忆链传染给后续所有决策；
- 烧 token 与延迟：每轮重发全量历史，成本与延迟线性上涨，Agent 卡在「越搜越贵」。
Iris 论文里的对策（discard-all与retry）给出了两个工程上的原语：该丢就丢（超出阈值就清理已排除的工具调用历史、从原问题重启）与该压缩就压缩（先摘要再继续）。对小模型而言，这套机制把「有限的推理预算」花在刀刃上，所以涨幅更大。
四、工程落地：复刻一下 Iris 的「上下文预算」策略
如果你的 Agent 也做多轮检索、多步工具调用，可以直接把 Iris 的机制翻译成代码逻辑：
# 搜索/工具型 Agent 上下文预算三件套（经验版） 1. 已淘汰即驱逐：工具调用结果一旦被判「不相关」，从上下文中剔除，不留在后续轮次 2. 长队先摘要：历史累积超过阈值时，先提交给"摘要器"压成要点，再放回主上下文 3. 失败后重试重启：连续 N 轮无进展，丢弃整段工具调用历史，从原始问题重新规划三条都能生效的底层原因是同一个：把上下文当作一种会被污染、会被耗尽的可计费资源来管理，而不是当作「越大越好」的缓存。
五、开源信号：搜索智能体正在变成「可复现的基础设施」
值得注意的周边信号：
- 基座复用：Iris 是基于 Qwen 3.6/3.5 系列后训练而来——开源社区把「搜索 Agent」做成了一个可后训练的方向，而不是从零烧算力；
- 与闭源同台竞争：论文把 Iris 与 GPT-5.5 Pro、Gemini 3.1 Pro 放进同一张 BrowseComp 表对比；「同规模领先」的措辞限定在开源范围，但差距已经不再是一道鸿沟；
- 团队成谜：Iris 的机构归属未公开，公开报道将其与一家中国内容平台联系在一起——「标签」反而成了开源模型竞争的常态。
六、对开发者的三个问题
- 你还在把上下文当无限大吗？如果你的 Agent 会跑 20 轮以上工具调用，先实现「淘汰-摘要-重启」三件套，收益可能比你换更大的模型更明显；
- 要不要直接上 Iris？256K 上下文 + Apache-2.0 + BrowseComp 开源第一，做「深度检索/研究报告」类产品可以直接后训练或微调接入，避免闭源 API 的计费与限流；
- 评测怎么选？BrowseComp 测「长尾检索」、DeepSearchQA 测「跨轮问答」，一个漂亮的 combo 更接近真实搜索场景——别只看单榜分数。
💡启示：Iris 最大的贡献不是 88.6 分，而是证明了『上下文管理』是一门可以被开源复用的工程科目——对小团队而言，「把历史管好」是比「把模型做大」更便宜、更快的提分路径。搜索智能体正在从『拼模型』转向『拼调度』，这是一条所有人都有机会上车的赛道。
来源：Cocoloop（2026-09-14，AllSpark Research 报道）/ arXiv（Iris 技术报告，2026-09-03）。本文为 AI 辅助整理的行业事件分析，基准数据援引上述公开报道，工程建议为作者独立观点，仅供参考。
📚 延伸阅读 · 我的付费专栏
觉得这篇文章对你有帮助？我把同类主题的系统化内容沉淀成了付费专栏，欢迎订阅支持持续输出：
| 专栏 | 定价 | 内容 |
|---|---|---|
| 大模型工程师修炼手记 | 19.9 元 | AI 编程 / Agent 深度实战 |
| AI时代程序员的自我提升 | 49.9 元 | AI 时代成长方法论 |
💡 一杯咖啡的价格，换来系统化的知识体系；你的订阅，是我持续创作的最大动力。
💬本文配套代码 / 资料包：欢迎在评论区留言「求代码」，我会私信发送完整资源！