当前位置：首页 > news >正文

XYZ-Aquila-pro震撼发布：深度搜索领域的革命性开源思维模型

news 2026/8/3 23:46:37

XYZ-Aquila-pro震撼发布：深度搜索领域的革命性开源思维模型

【免费下载链接】XYZ-Aquila-pro项目地址: https://ai.gitcode.com/hf_mirrors/XYZAILab/XYZ-Aquila-pro

XYZ-Aquila-pro是由XYZ AI Lab开发的开源深度搜索思维模型，基于Qwen3.5-397B-A17B通过AI4AI pipeline后训练而成，专为智能搜索代理设计，具备长程规划、多语言网页浏览、多源证据聚合等核心能力。作为开源项目，它提供了完整的本地部署方案和工具调用接口，让开发者和普通用户都能体验到前沿的深度搜索技术。

🌟 核心优势：重新定义智能搜索体验

XYZ-Aquila-pro在深度搜索领域带来了多项突破性进展，使其成为开源社区中备受瞩目的思维模型：

🔍 强大的代理搜索能力

该模型优化了智能搜索代理所需的关键技能，包括：

长程规划与任务分解
中英文双语网页浏览
多来源证据聚合与验证
失败环境交互的恢复机制

这些能力通过开源的AxisAgentic harness实现，提供了具体的search/scrape/python工具实现和固定工具契约。

🚀 卓越的性能表现

在外部基准测试中，XYZ-Aquila-pro在所有评估的子400B开源模型比较中均获得最高分数。特别是在BrowseComp、BrowseComp-ZH和DeepSearchQA等关键搜索基准测试中表现突出，展现了其在深度搜索任务上的强大能力。

📊 全面的基准测试结果

XYZ-Aquila-pro在六大代理搜索基准测试中表现优异，以下是与其他开源模型的对比：

大规模开源模型（<400B）性能对比

基准测试	XYZ-Aquila-pro	Nex-N2-Pro	MiroThinker 1.7	apodex-1.0
BrowseComp	84.8	83.7†	74.0	75.5
BrowseComp-ZH	85.1	79.6†	75.3	82.6
DeepSearchQA	92.5	92.3†	--	84.6
LiveBrowseComp	53.7	50.4†	34.1†	--
HLE	53.3	50.0†	42.9	49.0
WideSearch	81.2	75.6	--	--

注：†表示在通用评估设置下重现的结果，其他基线值来自公开报告或基准提交。

🚀 快速开始：5分钟部署你的智能搜索代理

1️⃣ 安装SGLang

推荐使用sglang>=0.5.14版本来部署XYZ-Aquila-pro：

uv pip install 'git+https://github.com/sgl-project/sglang.git#subdirectory=python&egg=sglang[all]'

2️⃣ 启动SGLang服务

以下示例启动一个OpenAI兼容的端点，使用8个GPU进行张量并行：

MODEL_PATH=XYZAILab/XYZ-Aquila-pro SERVED_MODEL=XYZ-Aquila-pro python -m sglang.launch_server \ --model-path "${MODEL_PATH}" \ --served-model-name "${SERVED_MODEL}" \ --port 8000 \ --tp-size 8 \ --mem-fraction-static 0.8 \ --context-length 262144 \ --reasoning-parser qwen3 \ --tool-call-parser qwen3_coder

⚠️ 注意：如果部署环境内存不足，可以减少张量并行大小和上下文长度。

3️⃣ 工具使用示例

以下是一个发送文本研究对话的示例，包含三个工具调用：

import requests BASE_URL = "http://localhost:8000/v1" MODEL_NAME = "XYZ-Aquila-pro" SYSTEM_PROMPT = r"""You are a task-solving research agent with access to native structured tools. Use the tools step-by-step to answer the user's question accurately and completely. Today is: 2026-06-27 # Tool-Use Rules - Use the function-calling interface to invoke tools. Do not write tool calls as plain text. - Call at most ONE tool per assistant turn. The next message will contain that tool's result; use it to decide your next step. - Only use tools declared in the provided tools schema. """ USER_PROMPT = r"""请分析最近三个月人工智能领域的重要突破，并总结关键趋势。""" messages = [ {"role": "system", "content": SYSTEM_PROMPT}, {"role": "user", "content": USER_PROMPT}, ] # 工具定义（web_search, scrape_and_extract_info, run_python_code） # ... payload = { "model": MODEL_NAME, "messages": messages, "tools": tools, "temperature": 1.0, "top_p": 0.95, "repetition_penalty": 1.05, "max_tokens": 32768, "chat_template_kwargs": { "enable_thinking": True, "preserve_thinking": True, }, } response = requests.post(f"{BASE_URL}/chat/completions", json=payload, timeout=1800) response.raise_for_status() result = response.json()

4️⃣ 推荐的采样配置

temperature: 1.0 top_p: 0.95 repetition_penalty: 1.05 max_tokens: 32768 chat_template_kwargs: enable_thinking: true preserve_thinking: true

📚 资源获取

模型下载

HuggingFace: XYZAILab/XYZ-Aquila-pro
ModelScope: XYZAILab/XYZ-Aquila-pro

代码仓库

要获取完整代码，请克隆以下仓库：

git clone https://gitcode.com/hf_mirrors/XYZAILab/XYZ-Aquila-pro

📝 引用

如果您在研究中使用了XYZ-Aquila-pro，请引用以下技术报告：

@techreport{xyz_aquila_2026, title = {AI4AI at Scale: A Full-Pipeline System for Enhancing LLM Agentic Capabilities}, author = {{XYZ Agentic Team}}, institution = {XYZ AI Lab}, year = {2026}, url = {https://xyz-lab.ai/blogs/ai4ai-at-scale/assets/bounded-exploration-ai4ai-system-optimization.pdf} }