8月11日，昆侖萬維SkyWork AI技術(shù)發(fā)布周正式啟動。8月11日至8月15日，我們每天發(fā)布一款新模型，連續(xù)五天，覆蓋多模態(tài)AI核心場景的前沿模型。截至目前，我們已經(jīng)發(fā)布SkyReels-A3、Matrix-Game 2.0、Matrix-3D、Skywork UniPic 2.0模型。

8月14日，昆侖萬維正式發(fā)布Skywork Deep Research Agent v2，它是天工超級智能體(Skywork Super Agents)的核心引擎。

Skywork Deep Research Agent自5月22日上線后，大幅重塑了大模型在AI Office領(lǐng)域的角色，通過skywork.ai平臺為用戶產(chǎn)出了大量信息密度極高的優(yōu)質(zhì)文檔、PPT、表格以及其他交付物。新一版本的Skywork Deep Research Agent v2將帶來以下體驗(yàn)的提升。

歡迎全球用戶注冊使用skywork.ai：

-全球官網(wǎng)：https://skywork.ai

-中國官網(wǎng)：https://tiangong.cn

一、推出“多模態(tài)深度調(diào)研”Agent，首次整合多模態(tài)檢索、理解和生成

當(dāng)前業(yè)界的Deep Research Agent產(chǎn)品都是采用搜索并抓取網(wǎng)頁文字信息的方式實(shí)現(xiàn)，依賴于純文本檢索分析，而互聯(lián)網(wǎng)上超過一半的關(guān)鍵信息來自圖文混排：財(cái)報中的曲線、論文里的實(shí)驗(yàn)圖、社媒上的對比照、方案里的流程圖……

這些多模態(tài)信息一旦被忽略，代表著Agent將會丟失大量決策依據(jù)，將直接影響Agent產(chǎn)出的交付物質(zhì)量。為解決這一痛點(diǎn)，昆侖萬維Skywork團(tuán)隊(duì)推出了業(yè)界首個“多模態(tài)深度調(diào)研”Agent，首次將多模態(tài)檢索理解和跨模態(tài)生成能力完整整合到深度研究工作里。

該功能已在skywork.ai(https://skywork.ai)上線，歡迎全球用戶使用體驗(yàn)。

為實(shí)現(xiàn)多模態(tài)信息檢索這一能力的提升，昆侖萬維Skywork團(tuán)隊(duì)在以下四個方面完成技術(shù)突破：多模態(tài)爬取技術(shù)MM-Crawler、長距離多模態(tài)信息收集、異步并行 Multi-Agent 多模態(tài)理解架構(gòu)和多模態(tài)結(jié)果呈現(xiàn)能力。

通過以上技術(shù)創(chuàng)新，多模態(tài)Skywork Deep Research Agent v2把“讀文字+看圖片”這件看似簡單卻長期被忽視的事情真正做到位，讓研究人員等用戶一次拿到信息完整、節(jié)奏順暢、視覺友好的深度報告。

例如下圖(綠色箭頭處)所示，天工超級智能體(Skywork Super Agents)在檢索信息的過程中，會自動瀏覽并分析理解重要的圖片。

在對圖片做了收集和理解之后，天工超級智能體(Skywork Super Agents)在生成文檔時，會充分利用圖片中的信息，Agent會在恰當(dāng)?shù)奈恢弥苯訉⒏哔|(zhì)量圖片作為交付物中的配圖(下圖綠色箭頭處)，更直接地傳達(dá)信息并顯著降低讀者的理解成本：

Agent也可能對圖片信息進(jìn)行整合加工，以流暢的方式變成文字或者新的圖表(下圖綠色箭頭處)：

二、推出“多模態(tài)深度瀏覽器智能體”，重塑社媒內(nèi)容分析與數(shù)據(jù)洞察

為實(shí)現(xiàn)傳統(tǒng)瀏覽器所不具備的低延遲、高回復(fù)率、任務(wù)完成度高、決策靈活等功能，昆侖萬維多模態(tài)深度瀏覽器智能體(Skywork Browser Agent)進(jìn)行了多項(xiàng)關(guān)鍵自研技術(shù)優(yōu)化，包括升級DOM+ 視覺推理方案、主流平臺專項(xiàng)適配、并行搜索(Parallel Search)、多動作規(guī)劃機(jī)制(Multi-Action)、智能篩、人機(jī)無縫接管與隱私保護(hù)和安全承諾等。

當(dāng)前，多模態(tài)深度瀏覽器智能體(Skywork Browser Agent)，能夠模擬人類瀏覽與交互方式，革新傳統(tǒng)數(shù)據(jù)采集與分析模式。該智能體可精準(zhǔn)高效地完成智能搜索、多模態(tài)信息分析與社區(qū)內(nèi)容洞察，有效解決傳統(tǒng)瀏覽器智能體的多項(xiàng)痛點(diǎn)，充分展示了天工智能體在長周期任務(wù)(Long-horizon Task)與VLA(Vision-Language Action)任務(wù)中的巨大潛力。

Skywork Browser Agent已經(jīng)進(jìn)入內(nèi)測和邀測階段，預(yù)期將于近期面向全部skywork.ai用戶開放。

多模態(tài)深度瀏覽器智能體(Skywork Browser Agent)具備以下核心功能亮點(diǎn)：

1. 深度多模態(tài)內(nèi)容理解： 不再局限于文本，能夠深入分析社交媒體(尤其是小紅書、推特以及Instagram等平臺)，對帖子中的圖片、視頻內(nèi)容，以及評論區(qū)的情感與觀點(diǎn)進(jìn)行有效篩選和提取，提供更全面的信息洞察。

2. 自動化數(shù)據(jù)分析與報告： 自動對線上社區(qū)內(nèi)容進(jìn)行高效的數(shù)據(jù)分析，并將枯燥的調(diào)研分析工作，轉(zhuǎn)化為直觀、易懂的可視化報告。

3. 一鍵式網(wǎng)站部署： 可將抓取的關(guān)鍵圖片與分析內(nèi)容，一鍵生成并部署為獨(dú)立的網(wǎng)站，便于成果展示和團(tuán)隊(duì)分享。

4. 無縫融入工作流： 能夠與信息檢索智能體或者PPT、Doc等其他文檔智能體聯(lián)動。當(dāng)用戶撰寫報告時，它可以巧妙地檢索并推薦相關(guān)的圖片素材，極大提升辦公效率。

三、加強(qiáng)深度信息搜索和復(fù)雜任務(wù)執(zhí)行能力，在多個任務(wù)測評集上取得SOTA

為了進(jìn)一步加強(qiáng)Agent基礎(chǔ)模型的復(fù)雜任務(wù)執(zhí)行和信息檢索、整理、總結(jié)能力，Skywork Deep Research Agent v2引入了多種提升機(jī)制，包括高質(zhì)量數(shù)據(jù)合成及訓(xùn)練、端到端強(qiáng)化學(xué)習(xí)、高效的并行推理，以及多智能體自我學(xué)習(xí)演進(jìn)系統(tǒng)。新版本的Skywork Deep Research在多項(xiàng)Agent任務(wù)評測上超越現(xiàn)有模型，達(dá)到行業(yè)SOTA水平。

在權(quán)威的搜索評測榜單BrowseComp上，Skywork Deep Research的表現(xiàn)尤為突出。常規(guī)模式下，其性能已超越大多數(shù)同類產(chǎn)品，正確率達(dá)到27.8%。而一旦開啟自主研發(fā)的“并行思考”(Parallel Thinking)模式，正確率更是躍升至38.7%，刷新了行業(yè)SOTA紀(jì)錄。

更值得一提的是，在并行思考模式下，Skywork Deep Research的正確率會隨著思考時間的增加而持續(xù)攀升，這充分展現(xiàn)了自研系統(tǒng)架構(gòu)的卓越潛力與強(qiáng)大擴(kuò)展性。

我們也開通了API預(yù)覽使用功能，如需體驗(yàn)可訪問Skywork官方Github鏈接進(jìn)行申請?zhí)峤唬?/p>

https://github.com/SkyworkAI/Skywork-DeepResearch。

另一方面，Skywork Deep Research Agent在GAIA Test基準(zhǔn)上同樣取得了SOTA表現(xiàn)，充分驗(yàn)證了其在復(fù)雜任務(wù)中的綜合實(shí)力。

Skywork Deep Research Agent v2即將在skywork.ai的各種Deep Research場景中全量上線。

龔斯軒