open-deep-research（Hugging Face）

一句话：open-deep-research（2025-02，开源，Hugging Face）是 smolagents 团队在 OpenAI Deep Research 发布后约 24 小时内做出的开源复现——核心是基于 smolagents 的 "code agent"（用可执行代码而非 JSON 表达动作）配上一个文本网页浏览器，在 GAIA 验证集上达到约 55% pass@1，把"深度研究 agent"的能力开放给了任意可接入的 LLM。 提出年份：2025（2025-02-04 发布）· 机构/团队：Hugging Face（smolagents 团队）· 会议/来源：HF 官方博客 Open-source DeepResearch — Freeing our search agents

上级页：Deep Research 总览。相关：Agent 框架总览、工具使用、多智能体。

定位

OpenAI Deep Research（2025-02-02）发布后，Hugging Face 团队给自己定了一个 24 小时的复现目标，于 2025-02-04 公开了 open-deep-research，代码作为示例放在 huggingface/smolagents 仓库里。它的意义不在于"超越闭源"，而在于用开源栈把同一套 agent 循环复现到接近的水平，并把整条链路（agent 框架、浏览工具、评测脚本）摊开给社区研究。

它跑在 smolagents 这个轻量 agent 库上，关键选择是用 "code agent"：让 LLM 把每一步动作写成一段可执行的 Python 代码来调用工具，而不是输出结构化的 JSON 工具调用。

它怎么工作

整体仍是 Deep Research 的标准循环（规划 → 检索 → 阅读 → 反思补检 → 综合），但执行层是"模型写代码、运行代码、看结果、再写代码"的 code-agent 风格。浏览工具是一个纯文本网页浏览器加一个文本文件查看器，改编自微软研究院的 Magentic-One 项目。

图源：Hugging Face, Open-source DeepResearch — Freeing our search agents（图改编自 Wang et al., 2024），https://huggingface.co/blog/open-deep-research（用于学习注解，版权归原作者）

用 code agent 的好处是动作表达更灵活（一段代码可以组合多次工具调用、做循环和条件判断），这被认为是它在 GAIA 上爬分较快的原因之一。模型是可替换的——官博测试了包括 DeepSeek R1 在内的多种模型，并未绑定单一默认模型；agent 框架开源，但若想逼近闭源水平，仍需配一个强推理模型。

能力与局限

能力：

• GAIA 验证集约 55.15% pass@1——在 24 小时冲刺里从 Magentic-One 的约 46% 快速爬到这一水平，官博以 OpenAI Deep Research 约 67.36% 的平均分作对照。
• 完全开源、模型可插拔：可接任意 LLM，便于做消融、改工具、二次开发，是研究"深度研究 agent 到底靠什么 work"的好底座。
• code-agent 范式带来更强的动作表达力。

局限（作者明确承认）：

• 浏览是纯文本的：达到与闭源完全对齐"需要更好的浏览器使用与交互，比如 OpenAI Operator 提供的那种"，即超越当前纯文本网页交互；基于视觉的浏览器仍在开发而非完整落地。
• 与闭源仍有差距：GAIA 上 55% vs 约 67%，差距主要来自浏览交互与底层模型。
• 能力依赖所接模型：框架本身不提供推理能力，弱模型下效果会明显下降。

与同类对比

• 相比 OpenAI Deep Research：本项目是它的开源复现，可复现、可改、可自托管，但浏览交互弱、且需自带强模型；闭源版有专门训练的模型与更强浏览。
• 相比 GPT Researcher：GPT Researcher 用 planner+execution 的多 agent 流水线、更产品化（自带报告生成与多种输出格式）；open-deep-research 更"研究导向"，强调 code-agent 范式与在 GAIA 上的可比性。
• 相比 LangChain open_deep_research：后者主打 LangGraph 上的 supervisor + 并行子 agent 架构与企业可配置性；HF 版更轻、更贴近"最小可复现 OpenAI Deep Research"。

参考链接

• Hugging Face, Open-source DeepResearch — Freeing our search agents（2025-02-04）：https://huggingface.co/blog/open-deep-research
• 代码（smolagents 示例）：https://github.com/huggingface/smolagents/tree/main/examples/open_deep_research
• Mialon et al., GAIA: a benchmark for General AI Assistants（arXiv:2311.12983, 2023-11）