8月11日，昆侖萬(wàn)維SkyWork AI技術(shù)發(fā)布周正式啟動(dòng)。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(chǎng)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(wàn)維正式發(fā)布Skywork Deep Research Agent v2，它是天工超級(jí)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(guò)skywork.ai平為用戶產(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(lái)以下體驗(yàn)的提升。
歡迎全球用戶注冊(cè)使用skywork.ai：
-全球官網(wǎng)：https://skywork.ai
-中國(guó)官網(wǎng)：https://tiangong.cn
1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(yè)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(guò)一半的關(guān)鍵信息來(lái)自圖文混排：財(cái)報(bào)中的曲線、論文里的實(shí)驗(yàn)圖、社媒上的對(duì)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(huì)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(wàn)維Skywork團(tuán)隊(duì)推出了業(yè)界首個(gè)“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(wàn)維Skywork團(tuán)隊(duì)在以下四個(gè)方面完成技術(shù)突破：多模態(tài)爬取技術(shù)MM-Crawler、長(zhǎng)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(guò)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(jiǎn)單卻長(zhǎng)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(jué)友好的深度報(bào)告。
例如下圖（綠色箭頭處）所示，天工超級(jí)智能體（Skywork Super Agents）在檢索信息的過(guò)程中，會(huì)自動(dòng)瀏覽并分析理解重要的圖片。
在對(duì)圖片做了收集和理解之后，天工超級(jí)智能體（Skywork Super Agents）在生成文檔時(shí)，會(huì)充分利用圖片中的信息，Agent會(huì)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(duì)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）：
2 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(wàn)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(jí)DOM+ 視覺(jué)推理方案、主流平臺(tái)專項(xiàng)適配、并行搜索（Parallel Search）、多動(dòng)作規(guī)劃?rùn)C(jī)制（Multi-Action）、智能篩、人機(jī)無(wú)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(lèi)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(zhǎng)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(cè)和邀測(cè)階段，預(yù)期將于近期面向全部skywork.ai用戶開(kāi)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(shū)、推特以及Instagram等平臺(tái)），對(duì)帖子中的圖片、視頻內(nèi)容，以及評(píng)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(dòng)化數(shù)據(jù)分析與報(bào)告： 自動(dòng)對(duì)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(bào)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(wú)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(dòng)。當(dāng)用戶撰寫(xiě)報(bào)告時(shí)，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。
3 加強(qiáng)深度信息搜索和復(fù)雜任務(wù)執(zhí)行能力，在多個(gè)任務(wù)測(cè)評(píng)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(píng)測(cè)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(píng)測(cè)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(lèi)產(chǎn)品，正確率達(dá)到27.8%。而一旦開(kāi)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(huì)隨著思考時(shí)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(kāi)通了API預(yù)覽使用功能，如需體驗(yàn)可訪問(wèn)Skywork官方Github鏈接進(jìn)行申請(qǐng)?zhí)峤?/STRONG>：
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(chǎng)景中全量上線。
