Iris-mini 与 Iris-pro 发布：同规模开放权重搜索智能体中最强

AllSpark 团队发布了 Iris-mini 和 Iris-pro 两款开源搜索智能体，均基于 Qwen 模型构建。据论文称，它们在同规模开放权重模型中基准测试领先，且训练数据与模型还提升了未专门训练任务的表现，包括通用工具调用和办公任务。

此前同规模开放权重搜索智能体在基准与通用能力上往往难以兼顾，此次发布声称同时在这两方面领先，并出现未训练任务的性能迁移，意味着开放权重方案的能力边界可能向上移动。

基于 Qwen 模型训练搜索智能体，并将搜索任务训练带来的能力外溢到通用工具使用与办公任务。证据只说明存在这种迁移现象，未解释具体训练方法或数据构成，机制细节尚不明确。

若能力可复现，团队可用开源权重自建搜索与工具调用智能体，减少对闭源 API 的依赖；但证据未提供推理成本、部署门槛或实际任务成功率，成本与体验影响仍待验证。

• 在自有业务数据上微调 Iris-mini，验证垂直搜索与工具调用场景的可用性。
• 对比 Iris-pro 与现有闭源搜索智能体的任务成功率与单位调用成本，评估替换空间。
• 复现论文中的未训练任务迁移实验，判断其通用工具使用能力是否稳定。
• 围绕办公任务场景搭建内部评测集，测试模型在真实工作流中的表现。

• 论文中基准测试的具体范围、对比对象和评测方法是什么？
• Iris-mini 与 Iris-pro 的模型规模、许可证与商用限制如何？
• 未训练任务上的提升幅度有多大，是否有可复现的评测数据？
• 训练数据与模型权重是否已公开可下载，推理成本如何？