AllSpark Research a mis en ligne sur Hugging Face les poids de deux agents de recherche, baptisés Iris. Le plus petit, Iris-mini, est issu d'un post-entraînement de Qwen3.6-35B-A3B, avec 35 milliards de paramètres au total dont 3 milliards activés lors de l'inférence ; le plus grand, Iris-pro, repose sur Qwen3.5-397B-A17B, avec 397 milliards de paramètres au total et 17 milliards activés. Les deux sont des modèles à mélange d'experts avec une fenêtre de contexte de 256K, les poids sont publiés sous licence Apache 2.0, et le rapport technique associé a été mis en ligne sur arXiv le 3 septembre.
La différence entre un agent de recherche et un modèle conversationnel classique tient au fait qu'il doit décider lui-même quoi chercher, s'il faut continuer à chercher après avoir vu les résultats, et quand les preuves rassemblées sont suffisantes pour s'arrêter. Ce terrain a été largement dominé ces deux dernières années par des produits fermés ; côté open source, il y avait peu de quoi rivaliser.
Les résultats sur quatre benchmarks
L'article présente quatre benchmarks : BrowseComp, BrowseComp-ZH, DeepSearchQA et HLE. Iris-mini obtient 82,2, 84,8, 86,9 et 52,3 points ; Iris-pro atteint 88,6, 85,1, 92,9 et 56,4, DeepSearchQA étant calculé en F1. Les deux modèles décrochent les meilleurs scores connus pour des agents de recherche open source dans leur catégorie de paramètres, l'écart le plus important se situant sur BrowseComp.
Un chiffre surprend : sur BrowseComp-ZH, en chinois, le petit modèle à 35 milliards de paramètres obtient 84,8 points, le grand modèle à 397 milliards obtient 85,1, soit seulement 0,3 point d'écart. Ce même duo de modèles affiche un écart de 6,4 points sur BrowseComp en anglais. Sur l'épreuve en chinois, la taille supplémentaire de paramètres n'a presque rien apporté.
Une autre comparaison de l'article éclaire davantage le problème. L'équipe a testé trois stratégies de gestion du contexte à l'inférence : ne rien faire ; « discard-all » (dès que le contexte dépasse un seuil, tout l'historique accumulé des appels d'outils est effacé et le processus repart de la question d'origine) ; et « retry » (les pistes déjà écartées sont résumées avant de poursuivre). Avec la gestion du contexte activée, les deux modèles progressent, et Iris-mini progresse davantage qu'Iris-pro. Autrement dit, pour un petit modèle, maîtriser cet historique de recherche qui ne cesse de s'allonger est plus efficace que simplement empiler des paramètres.
Des données d'entraînement déduites à rebours des hyperliens
Les questions de recherche multi-sauts sont les plus difficiles à créer. Rédiger à la main une question qui ne peut être résolue qu'en parcourant trois ou quatre pages web coûte extrêmement cher, et se fait facilement contourner par une simple correspondance de chaînes de caractères : si l'énoncé laisse subsister un nom propre, le modèle n'a qu'à le rechercher pour tomber directement sur la page de réponse.
La méthode d'Iris fait l'inverse : elle choisit d'abord une page germe à partir de la structure d'hyperliens d'un corpus web, suit ses liens sortants pour en distiller un graphe d'entités, compose sur ce graphe des chaînes multi-sauts, puis reformule l'énoncé pour s'assurer qu'aucun indice ne puisse être résolu par simple correspondance littérale.
L'entraînement lui-même suit ce que l'article appelle le « SFT-RL climbing », alternant réglage fin supervisé et apprentissage par renforcement. La phase d'apprentissage par renforcement s'exécute sur de la recherche réelle, pas sur des instantanés hors ligne ; le modèle de récompense qui note les résultats et le module qui résume les observations sont tous deux déployés à l'intérieur même du cluster d'entraînement. Cette configuration signifie que chaque étape d'entraînement envoie réellement des requêtes réseau, ce qui représente un coût d'ingénierie non négligeable.
Our policy is optimized by RL against live search.
(Notre politique est optimisée par apprentissage par renforcement contre la recherche en temps réel.)
L'open source a enfin un adversaire à sa hauteur
Globalement, les modèles ouverts ont quasiment rattrapé les produits fermés en conversation générale et en code ; la recherche est le domaine où le retard est le plus marqué. La raison n'est pas difficile à comprendre : les capacités d'un agent de recherche résident pour moitié dans le modèle, pour moitié dans le framework externe qui orchestre les outils ; les produits fermés ajustent les deux ensemble, tandis que l'open source ne publie souvent que le modèle, sans le framework.
Cette fois, Iris a détaillé ensemble les poids du modèle, la stratégie de gestion du contexte et la méthode de construction des données ; le code du pipeline d'entraînement est indiqué comme « à venir ». Parmi les remerciements du dépôt GitHub figurent les projets MiroThinker, Relax, ms-swift et slime, les deux premiers étant eux aussi des tentatives open source d'agents de recherche de l'année écoulée.
Le rapport compare Iris à des modèles fermés comme GPT-5.5 Pro et Gemini 3.1 Pro dans le même tableau BrowseComp, mais le texte de l'article limite la formulation de « meilleur de sa catégorie » au seul périmètre open source, sans détailler dans le résumé les chiffres poste par poste de ces modèles fermés. Autre élément non divulgué : l'affiliation institutionnelle de l'équipe AllSpark Research. Des articles publics la rattachent à une plateforme de contenu chinoise, mais ni la page arXiv ni le dépôt GitHub ne précisent d'organisation, et les pages personnelles des neuf auteurs ne l'indiquent pas non plus.
Pour qui veut faire tourner son propre système de recherche approfondie, le format 35 milliards de paramètres avec 3 milliards activés constitue une taille adaptée, et combiné à la gestion du contexte décrite dans l'article, il peut tourner sur une seule machine. Le périmètre de la licence Apache 2.0 laisse par ailleurs suffisamment de marge pour un usage commercial.
Sources : article arXiv 2609.04304, dépôt AllSpark-Research/Iris, CocoLoop, page du modèle sur Hugging Face ; les résultats des quatre benchmarks et les paramètres des deux versions du modèle sont donnés selon les tableaux de l'article.