深度搜索进入智能体时代

XYZ AI Lab近日发布了XYZ-Aquila-mini（35B参数）和XYZ-Aquila-pro（397B参数）两款深度搜索智能体模型，在BrowseComp、DeepSearchQA、GAIA等7项权威评测中全部刷新了最优成绩。其中35B参数版本以极高的效率在七项基准中均取得最佳结果，GAIA评测得分高达97.1分，DeepSearchQA得分89.5分。

XYZ AI Lab发布XYZ-Aquila-mini(35B)和XYZ-Aquila-pro(397B)两款Deep Search Agent，刷新BrowseComp、DeepSearchQA、GAIA等7项Deep Search评测SOTA。XYZ-Aquila-mini在七项基准中均取得最佳

小模型大能力的背后逻辑

35B参数的模型能在7项评测中全面超越更大参数量的竞品，这一结果对AI搜索行业具有深远启示。传统认知中，模型能力与参数量正相关，但深度搜索场景的特殊性打破了这一刻板印象。深度搜索的核心挑战不在于"知道什么"，而在于"如何找到并整合信息"。这要求模型具备强大的信息检索规划、多源信息对比和结构化输出能力，而非单纯的知识记忆。

XYZ-Aquila-mini 35B参数7项SOTA——这一成绩说明，在深度搜索领域，架构设计和训练策略的重要性远超参数规模。对于需要在特定场景中部署AI搜索能力的企业而言，这是一个重大利好：不需要最昂贵最大的模型，就能获得最好的搜索效果。

300+智能体协同的工作机制

深度搜索智能体之所以能取得如此出色的成绩，核心在于其多智能体协同架构。系统内部运行着300多个专门的智能体工作节点，每个节点负责搜索流程中的特定环节——从查询理解、检索策略制定、信息源筛选到结果整合和验证。

300+Agent Workers协同——这种架构模拟了专业研究团队的分工协作模式。当一个复杂的搜索问题出现时，系统不是简单地让一个模型完成所有工作，而是将任务分解为多个子任务，由专业化的智能体分别处理后汇总。

GAIA评测97.1分——在GAIA基准评测中获得97.1分（满分100），意味着模型在几乎所有通用AI助手任务上都达到了接近人类专家的水平。这对于企业级知识检索和研究分析场景的实用性不言而喻。

对AI搜索行业的连锁影响

深度搜索智能体的出现，正在重新定义"AI搜索"的能力边界。传统AI搜索提供的是即时答案——基于已有知识的快速检索和生成。而深度搜索提供的是研究级答案——需要多轮检索、交叉验证和深度分析的复杂信息需求。

这种能力跃升对内容生态产生了重要影响。首先，品牌信息的"深度可发现性"变得更为关键。不仅要能被单次搜索找到，还要能在多步推理链中被正确引用和关联。其次，结构化、数据化的内容将获得更大的优势，因为深度搜索智能体更善于处理和整合这类信息。

企业应用场景的拓展

深度搜索智能体的能力使其在企业应用中开辟了新的场景。竞品分析和市场调研——过去需要专业分析师数天完成的工作，现在可以在几分钟内获得系统化的研究结果。技术文献综述——跨领域的技术方案对比和评估效率大幅提升。合规审查和法规检索——多维度法规信息的自动整合和比对成为可能。

十余人团队两个月完成——十余人团队两个月完成全部研发，这一效率本身就证明了智能体架构的强大之处。未来更多专业领域的深度搜索应用将以此为基础快速涌现。

对GEO优化的启示

深度搜索智能体对GEO优化提出了新的要求。在传统AI搜索中，品牌内容需要被单次检索命中。而在深度搜索场景中，品牌内容需要在多步推理链中被正确引用。这意味着内容不仅要回答直接问题，还要提供可被引用和关联的数据点、案例和专家观点。

同时，300多个智能体协同工作的模式意味着，品牌信息需要在更多维度上建立关联性——与行业趋势的关联、与技术创新的关联、与用户场景的关联。只有建立了丰富关联的品牌内容，才能在深度搜索的复杂推理链中占据有利位置。

趋势展望

深度搜索智能体代表了AI搜索从"回答问题"到"解决问题"的进化方向。随着这类能力的持续成熟，AI搜索将从信息检索工具升级为智能研究助手。对于品牌而言，提前适应深度搜索时代的内容需求——建立更加结构化、数据化、关联性强的内容体系——将在下一轮竞争中占据先机。