港科大（广州）等发布OpenDS-World评测基准

香港科技大学（广州）、复旦大学、华盛顿大学等机构的研究团队在论文《Deep Search in Real-World Web Environments》中提出 OpenDS 深度搜索任务范式，并构建评测基准 OpenDS-World。测试中，GPT-6 Astra、Claude Opus 5.5、Gemini 3.8 Flash、Qwen3.8 Max、GLM-5.3 Flash、DeepSeek V4.1-Flash、Kimi K3 等 12 个前沿模型获得同一套搜索、浏览器和视频工具，每题限 1 小时、100 次工具调用，自行决定搜索过程并给出答案，最高准确率为 39%。 人类对照组的条件不同：参与者只能拿到原始视频和题目，不能使用 LLM 工具，只能使用常规浏览器与搜索，且不能互相交流；人类作答不设统一单题时间上限，可在认为无法继续取得有效进展时结束尝试，而模型被限制最多 3,600 秒搜索时间和 100 次工具调用。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。