随着搜索引擎与大语言模型的深度融合，AI搜索取得了显著进展。像Perplexity的Sonar Reasoning Pro和OpenAI的GPT-4o Search Preview等专有解决方案在市场上表现出色，但它们的闭源性质限制了透明度、创新和创业发展。在此背景下，Open Deep Search（ODS）应运而生。

ODS是一个即插即用的框架，用户可以无缝接入任何他们选择的基础语言模型，无论是开源模型还是通过API接入的闭源模型。它主要由两个核心组件构成：Open Search Tool和Open Reasoning Agent。

Open Search Tool是ODS的关键创新之一，它改进了传统搜索引擎增强语言模型的方法，同时保持了开源系统的可扩展性。该工具在查询、检索和增强的过程中进行了优化，通过查询改写、检索和增强三个步骤，从网络搜索中获取高质量的相关信息，并将其作为上下文输入到基础语言模型中。

Open Reasoning Agent则负责解释用户的查询，并通过调用各种工具来完成任务。ODS提供了两种基于不同技术的Open Reasoning Agent版本。ODS-v1基于思维链（Chain-of-thought）和ReAct代理，通过多步推理和工具调用，逐步分解复杂问题。ODS-v2则基于代码链（Chain-of-Code）和CodeAct代理，利用语言模型的代码编写能力来处理算法和语义问题，在精确数值或符号计算任务中表现尤其出色。

研究人员在FRAMES和SimpleQA两个基准测试中对ODS进行了全面评估。结果显示，ODS在这两个测试中均取得了优异的成绩。在FRAMES基准测试中，ODS-v2+DeepSeek-R1的准确率达到了75.3%，比OpenAI的GPT-4o Search Preview 高出9.7%。在SimpleQA基准测试中，ODS-v2+DeepSeek-R1的准确率为88.3%，显著缩小了开源与闭源搜索AI解决方案之间的差距。

为了进一步探究ODS各组件的作用，研究人员进行了消融实验。结果表明，Open Search Tool、Open Reasoning Agent中的各个组件，以及所使用的基础语言模型的推理能力，都对ODS的整体性能提升起到了关键作用。

ODS的出现为AI搜索领域带来了新的活力。它不仅为开发者提供了一个强大的开源框架，促进了社区的创新和发展，还为用户提供了更高效、准确且透明的搜索体验。

参考资料：https://arxiv.org/abs/2503.20201