DeepDiver-V2来了，华为最新开源原生多智能体系统，“团战”深度研究效果惊人

让智能体组团搞深度研究，效果爆表！

华为最新发布DeepDiver-V2原生多智能体系统。

采用了“团队作战”模式：一个Planner负责任务分解，任务分发，进度审视和成果验收，多个专业Executor并行处理子任务，通过共享文件系统高效交换信息。

与仅通过推理框架实现的多智能体系统不同，DeepDiver-V2以多智能体形态进行训练，模型天然具备更强的角色扮演和协同推理能力。这套系统不仅在复杂知识问答任务上取得突破，更是能够生成数万字的高质量深度研究报告，在多个榜单中表现亮眼。

它基于华为openPangu Agent推出的DeepDiver-V2，这是一个专攻AI深度搜索和长文调研报告生成的模型。目前已开源。

• 开源模型地址：https://ai.gitcode.com/ascend-tribe/openPangu-Embedded-7B-DeepDiver
• 技术报告地址：https://ai.gitcode.com/ascend-tribe/openPangu-Embedded-7B-DeepDiver/blob/main/docs/openpangu-deepdiver-v2-tech-report.pdf

性能爆表：优于同规格竞品

数字最有说服力。DeepDiver-V2-7B和DeepDiver-V2-38B和在多个权威基准测试中表现亮眼：

• BrowseComp-zh：DeepDiver-V2-38B达到34.6分，超越WebSailor-72B（30.1分）和WebSailor-32B（25.5分）；DeepDiver-V2-7B同样超过了WebSailor和MiroThinker同规格模型。
• BrowseComp-en：DeepDiver-V2-38B达到13.4分，同规模开源模型中最高, 也超过了WebSailor-72B。

在长文报告生成方面，DeepDiver-V2提出了一个全新的面向深度调研报告生成的基准测试WebPuzzle-Writing，该基准给每个调研query设置了详细的调研范围而非开放生成，可以更加方便多个模型之间的横评。

在该测试中，DeepDiver-V2生成的报告平均长度达24.6K tokens，是OpenAI o3 DeepResearch（10.6K）的两倍多。自动评测结果也显示DeepDiverV2效果与主流agent产品相当, 在信息度上格外亮眼，Content Diversity指标优于其他模型。

架构创新：从单兵作战到团队协作

团队之前的研究成果DeepDiver-V1就像一个全能选手，需要在一个超长的上下文窗口中处理所有任务，结果往往因为负担过重而表现不佳。DeepDiver-V2改变了这一模式。它采用以Planner（规划器）为中心, 协调多个Executor（执行器）的MAS（Multi-Agent System，多智能体系统）架构。

智能任务分解

Planner接到复杂查询后，会进行自适应复杂度评估。简单问题直接处理，复杂问题则构建一个”任务树”，将大任务层层分解为可并行/串行/嵌套执行的子任务。

Planner甚至会采用”竞争赛马”机制——让多个 Executor同时处理相似任务，通过交叉验证提高结果可靠性。

文件系统通信

不同于DeepDiver-V1使用单个上下文窗口处理多个任务，智能体之间各自执行任务, 并通过共享文件系统交换信息：

交换的信息 = {当前任务摘要, 任务执行过程产生的中间物料的元数据}

每个智能体只需传递精炼的任务摘要和文件元数据，而非完整上下文。详细内容存储在共享文件中，其他智能体按需读取。这种设计带来三大优势：

1、可扩展通信：消息大小保持可控，不受任务复杂度影响。

2、持久化状态：历史信息得以完整保存，LLM Agents无需维护完整对话历史。

3、并行执行：独立子任务可同时处理，避免上下文冲突。

专业化分工

系统包含两类核心Executor：

1、Information Seeker（信息搜集助手）：负责证据收集, 验证, 去噪等。Information Seeker可以网罗相关信息, 筛选特定信息源, 深度分析并提取关键事实和数据, 迭代式的完善收集到的信息以解决Planner分发的任务。

2、Writer（写作助手）：负责长文本生成, writer可以构建章节大纲, 并分配资料到各个章节. Writer使用逐章节写作的方式, 并能够迭代式的完善行文, 能够保持全局的连贯性。

MAS（多智能体系统）训练

训练多智能体系统面临独特挑战：当最终任务失败时，如何判断是哪个智能体的责任？当最终任务成功时, 如何判断是哪个智能体做出了贡献? DeepDiver-V2提出了Planner-centric（以规划器为中心的）的分配机制。

训练流程采用多阶段优化：

1、冷启动监督微调

首先让模型学会基本的多角色协作、工具调用和文件系统操作，奠定多智能体能力基础。

2、拒绝采样微调（RFT）

• Trajectory-wise（按轨迹粒度的）过滤：从planner的视角出发, 保留得出正确答案的执行路径。
• Step-wise（按步骤粒度的）评分：使用LLM评判每个planner中间步骤的质量（1-10分）。
• Credit Broadcasting（信用传播）：planner的评分通过任务分配和协调关系传播到executor轨迹上，这种从粗到细的过滤确保只有高质量的推理步骤用于训练。

3、在线RFT

在离线RFT的基础上, DeepDiver使用相同的credit assignment策略,进一步进行在线RFT训练, 结合partial rollout（部分轨迹采样） 和dynamic rollout-buffered batching（动态轨迹缓存批处理）策略, DeepDiver-V2的在线训练得以高效且稳定的进行。

训练数据上, DeepDiver-V2继续沿用了DeepDiver-V1的训练数据WebPuzzle, 然而在WebPuzzle的基础上, DeepDiver-V2进一步增加了更多有挑战性, 验证性更强的数据, 同时加入了原本WebPuzzle没有的长文写作数据. 经过了这些数据的训练, DeepDiver-V2表现出了更强大的性能。

技术支撑：纯血昇腾NPU集群加速

DeepDiver-V2的训练完全使用Atlas 800I A2集群进行, 依托于1000+ NPU组成的大规模计算集群。每个节点包含8个 NPU，这些NPU通过华为高速缓存一致性系统（HCCS）以全互联拓扑相连，每个NPU配备64GB内存。用于跨节点通信时，集群采用基于以太网的RDMA，通过200 Gbps链路为跨节点的NPU提供高带宽连接。团队开发了专门的强化学习框架，包括：

• Agent Factory：算法优先的代码库，简化多智能体开发。
• StaleSync：staleness-aware的梯度的同步调度机制，提升30%设备利用率。
• 分布式训练：支持在线和离线的SFT、RFT和RL训练。

实验分析

研究团队进行了系统性的消融实验和深度分析，揭示了多智能体协作背后的几个关键机制和意外发现。

Executor能力是性能瓶颈，Planner”够用就好”

团队通过”角色互换”实验发现了一个有趣现象：系统性能对Executor能力极其敏感，但对Planner要求相对宽松。

具体数据显示：

• 将7B Executor升级为38B，BrowseComp-zh分数猛增9分（18.3→27.3）。
• 将7B Planner升级为38B，仅提升6.3分（18.3→24.6）。
• 在长文本写作任务中，升级Writer涉及的模块带来的提升（5.51→5.80）远超升级Planner（5.51→5.56）

这个发现颠覆了以往的认知——一般大家会以为”大脑”（Planner）最重要，但实际上”手脚”（Executor）的能力才是关键。研究团队分析，这是因为Planner的任务相对标准化（分解问题、分配任务），而 Executor需要处理各种复杂的实际场景。一个中等能力的7B Planner已经能胜任大部分协调工作。

单体能力的意外涌现：团队训练造就全能选手

最令人惊讶的发现是：为团队协作训练的, 服务于Planner的子智能体，单独使用时竟然也是高手。

当研究团队将Information Seeker从系统中剥离出来单独测试时：

• 38B Information Seeker在BrowseComp-zh上得分26.3，Single Agent（ReACT）模式同样超越了WebSailor-32B（25.5分）。
• 7B Information Seeker得分15.9，超过完整的WebSailor-7B系统（14.2分）。
• 在相对简单的Xbench-DeepSearch上，38B Information Seeker单枪匹马就达到52.0分，几乎等同于完整系统（53.0分）。

这种现象说明，多智能体训练不仅提升了协作能力，还让每个子智能体在处理扩展任务集时变得更加鲁棒。就像优秀的团队成员，既能配合默契，又能独当一面。

展望：AI搜索的新范式

DeepDiver-V2相对DeepDiver-V1, 从单一模型的”独角戏”到多智能体的”交响乐”，这种转变为解决更复杂的现实问题开辟了道路。未来, DeepDiver将在企业调研、科学文献综述、专业数据分析等专业领域发挥巨大作用。

【参考文献】

[1] Shi, Wenxuan, et al. “Pangu deepdiver: Adaptive search intensity scaling via open-web reinforcement learning.” arXiv preprint arXiv:2505.24332 (2025).

[2] Li, Kuan, et al. “WebSailor: Navigating Super-human Reasoning for Web Agent.” arXiv preprint arXiv:2507.02592 (2025).

[3] Li, Xiaoxi, et al. “Webthinker: Empowering large reasoning models with deep research capability.” arXiv preprint arXiv:2504.21776 (2025).

文章来自于“量子位”，作者“允中”。