小红书 AllSpark 开源 Search Agent 模型 Iris，两个参数版本评测领先

小红书 AllSpark 团队发布并开源 Search Agent 模型 Iris，同时公开权重与评测代码，35B 与 397B 两个版本在同类评测中成绩领先；团队表示数据与训练配方将陆续公布。

此前搜索类 Agent 的领先方案多为闭源，且公开信息通常只给结果不给权重。此次同时开放权重和评测代码，并覆盖 35B 与 397B 两个量级，使外部团队可复现验证，而不只是看榜单数字。

Search Agent 的能力来自模型与检索、工具调用流程的联合设计，而非单纯参数规模。小红书同时发布两个参数档位且声称成绩处于同一量级，意味着其训练与评测方法可能在不同规模上均可迁移，但具体机制需等训练配方公布后才能确认。

若可复现，团队可直接在自有搜索或问答链路中替换或对比 Iris，减少从零训练检索 Agent 的投入；35B 版本适合算力受限场景，397B 版本适合对效果要求更高的场景。不过数据与配方未公布前，迁移成本仍难评估。

• 在内部搜索或问答链路中对 Iris 35B 做小规模灰度评测，与现有方案对比效果和推理成本。
• 基于官方公开的评测代码搭建内部复现流程，验证 35B 与 397B 的成绩差距是否可重现。
• 关注训练配方与数据发布节奏，评估是否可用自有业务数据做二次微调。

• 35B 与 397B 的具体评测基准和对比对象是什么？
• 权重和评测代码的开放许可与商用限制如何？
• 训练配方与数据的具体发布时间和开放范围是什么？
• 是否有第三方独立复现结果支持其领先结论？