Что произошло
Исследовательская команда AllSpark (судя по контактному адресу в статье, связана с Tsinghua University) 3 сентября 2026 года опубликовала на arXiv препринт «Iris: Climbing to the Search Frontier» и выложила в открытый доступ веса двух поисковых ИИ-агентов — Iris-mini и Iris-pro; широкую огласку релиз получил 13 сентября после разбора The Decoder. Поисковый агент — это не обычный чат-бот, а модель, которая сама решает, что искать в интернете, читает найденное, оценивает, достаточно ли собранных доказательств, и только потом формирует ответ; о том, через какие API веб-поиска такие агенты обычно получают доступ в интернет, мы писали отдельно. По данным пейпера, обе модели показывают лучшие результаты среди открытых поисковых агентов своего размера.
Детали
- Iris-mini — 35 млрд параметров, из них активны 3 млрд (архитектура MoE), обучена на базе Qwen3.6-35B-A3B — той же линейки открытых моделей Qwen, что часто выбирают для локального запуска.
- Iris-pro — 397 млрд параметров, активны 17 млрд (MoE, 512 экспертов, 10 активны на каждый токен), база — Qwen3.5-397B-A17B.
- Обе модели держат контекст 256 тысяч токенов.
- Метод обучения авторы называют «SFT-RL climbing»: чередование дообучения с учителем и обучения с подкреплением против живого веб-поиска. Тренировочные вопросы генерировались из гиперссылочной структуры веб-страниц и переформулировались так, чтобы ответ нельзя было угадать по совпадению текста, а не по факту.
Бенчмарки (при включённом управлении контекстом, из пейпера AllSpark):Бенчмарк Iris-mini Iris-pro BrowseComp 82,2% 88,6% BrowseComp-ZH 84,8% 85,1% DeepSearchQA 86,9% 92,9% HLE (Humanity’s Last Exam) 52,3% 56,4%
Это собственные замеры авторов пейпера — независимой проверки сообществом пока нет. Отдельно авторы отмечают: и синтетические тренировочные данные, и сами модели неожиданно улучшили результаты на задачах, для которых их не готовили, — general tool use (тесты BFCL и τ-bench) и офисные сценарии (OfficeQA, APEX).
Веса моделей опубликованы на Hugging Face под лицензией Apache 2.0 (свободно для коммерческого использования), код агента и тестовый набор — на GitHub.
Что это значит
Кого касается: разработчиков и энтузиастов, которые собирают собственных ИИ-агентов с доступом в интернет (RAG-системы, ресёрч-боты) и ищут открытую альтернативу закрытым API поисковых агентов вроде тех, что стоят за ChatGPT или Perplexity.
Риск/возможность — с масштабом: Iris-mini (35 млрд параметров, 3 млрд активных) по грубой прикидке требует около 70 ГБ видеопамяти в bf16 без квантования и, вероятно, уложится в 24 ГБ при 4-битном квантовании — то есть теоретически запускаема на одной топовой потребительской видеокарте (официальных цифр по VRAM от AllSpark нет, это оценка по числу параметров). Iris-pro (397 млрд) по документации авторов нужно несколько серверных узлов или один крупный мультиГПУ-сервер — вариант только для компаний с серьёзной инфраструктурой, не для домашнего запуска.
Горизонт: веса и код уже в открытом доступе — попробовать можно сегодня, 13 сентября 2026 года. Независимые тесты от сообщества (не связанные с AllSpark) обычно появляются в течение нескольких недель после релиза — тогда будет понятно, насколько цифры из пейпера воспроизводятся на чужом железе и в чужих задачах.
