轻量模型搜索能力追平前沿闭源,Neos 模型重构交互环境、刷新多模态深度搜索基准

Neos 系列轻量多模态智能体模型最新评测结果出炉,在多模态深度搜索任务上,9B、35B 规模的轻量版本大幅缩小和顶尖闭源模型的差距,部分复杂浏览、图文检索任务成绩直接追平甚至对标 GPT、Gemini 高端闭源工作流,打破了过去 “只有超大闭源模型才能做好多模态联网搜索” 的固有认知;这套方案的核心思路是重新定义智能体和网页环境的交互范式,不再只是简单调用搜索接口返回摘要,而是让模型自主浏览页面、定位图文证据、交叉校验信息、多轮调整搜索策略,用更高效的环境交互训练方式,而不是单纯堆参数,让小体量模型也能完成复杂图文混合搜索、事实核验、网页深度浏览,同时推理成本、部署门槛远低于前沿闭源大模型,适合本地私有化部署、企业检索 Agent、移动端多模态搜索场景,不过它的上限依然受模型参数量、搜索工具调用策略限制,超复杂长链条推理任务和顶级闭源方案还有小幅差距。

一、Neos 模型基础信息清单

  • 模型版本:Neos-9B、Neos-35B
  • 核心方向:多模态智能体深度搜索(Agentic Multimodal Search)
  • 评测基准:MMSearch-Plus、MM-BrowseComp、BrowseComp-V3、FVQA、LiveVQA 等十项多模态搜索测试集
  • 核心创新:环境交互范式重构,模型自主浏览、证据核验、动态调整搜索 query
  • 对比对标:Gemini-3.1-Pro、GPT-5.6-Sol、DeepVoyager-VL-30B-A3B
  • 能力特点:图文联合检索、跨页信息比对、多轮工具调用、事实真伪校验

二、核心评测成绩对比表

模型十项基准平均分关键亮点
Neos-9B60.7超过 DeepVoyager-VL-30B-A3B(58.6),小模型反超更大规模竞品
Neos-35B64.7距离 Gemini-3.1-Pro(67.1)仅差 2.4 分,BrowseComp-VL 和 GPT-5.6-Sol 持平
DeepVoyager-VL-30B-A3B58.6上一代主流多模态搜索基线
Gemini-3.1-Pro67.1前沿闭源参考基线

三、新环境交互范式,和传统搜索增强模型的区别

  1. 传统 RAG / 搜索增强:提交关键词→搜索引擎返回摘要→模型直接基于摘要回答,不会自主浏览网页内部图文,容易采信错误摘要;
  2. Neos 新交互范式:模型理解问题后,自主规划搜索步骤,打开网页、定位图片、截取证据、多页交叉核对,发现信息矛盾时自动发起新一轮检索,形成 “规划 - 检索 - 浏览 - 核验 - 修正” 闭环。

四、轻量模型能够追平闭源的关键原因

  • 训练重心转移:优先打磨环境交互、工具调用、证据校验能力,而不是一味提升基础大模型的通用能力;
  • 多模态对齐优化:文本、图片证据统一做可信度打分,规避只看文字忽略图片信息带来的错误;
  • 轨迹数据高效利用:用高质量浏览交互轨迹做微调,少量高质量样本就能显著提升搜索任务表现;
  • 轻量化推理链路:整套智能体调度开销更低,单轮搜索延迟更低,适合端侧、私有化部署。

五、适用场景清单

  • 企业知识库多模态检索:文档 + 截图 + 图表联合搜索、资料交叉核验
  • 垂直领域智能 Agent:科研文献图文检索、电商图文比价、行业合规资料检索
  • 本地私有化搜索工具:本地图片、文档、视频素材离线检索,不依赖云端闭源接口
  • 浏览器智能助手:自动浏览网页、提取图文信息、回答复杂混合图文问题

六、现存短板与局限

  1. 超长链式复杂问题、跨大量网站溯源任务,稳定性依旧弱于顶级闭源模型;
  2. 依赖网页前端可正常解析,对加密网页、反爬页面、动态渲染页面支持有限;
  3. 属于专项优化模型,通用对话、创意生成能力不如同规模通用大模型;
  4. 效果高度依赖搜索后端、网页解析器质量,单独下载模型无法直接获得同等搜索能力。

【相关 FAQ】

问题 1:轻量模型搜索能力追平前沿闭源,Neos 靠什么刷新多模态搜索能力?

回答 1:轻量模型 Neos 通过重新定义智能体与网页环境的交互范式,让模型自主浏览网页、定位图文证据、交叉核验信息、动态调整搜索策略,依靠高质量交互轨迹专项训练,在多模态搜索基准上追平前沿闭源模型,刷新多模态深度搜索能力。

问题 2:Neos-9B、Neos-35B 轻量模型在多模态搜索评测里表现怎么样?

回答 2:Neos-9B 十项基准平均分 60.7,超过 DeepVoyager-VL-30B-A3B;Neos-35B 平均分 64.7,距离 Gemini-3.1-Pro 仅差 2.4 分,在 BrowseComp-VL 任务上和 GPT-5.6-Sol 持平。

问题 3:这套轻量多模态搜索模型和普通 RAG 搜索增强有什么不一样?

回答 3:普通 RAG 只拿搜索摘要作答;Neos 重构了环境交互,模型可以自主打开网页、读取图片、跨页面比对证据,发现信息冲突时自动再次搜索,形成完整的核验闭环。

问题 4:追平闭源的轻量多模态搜索模型,适合落地在哪些场景?

回答 4:这类轻量多模态搜索模型适合企业图文知识库检索、垂直行业智能 Agent、本地私有化素材检索、浏览器智能浏览助手,优势是部署成本低、支持私有化。

问题 5:Neos 这类轻量多模态搜索模型,现在已经完全超越闭源前沿模型了吗?

回答 5:没有完全超越,只是在多模态搜索基准上大幅逼近、部分任务持平;超长多步溯源、复杂动态网页场景稳定性还有差距,通用创作能力也弱于顶尖闭源大模型。

【参考资料】

[2026-11-14](轻量模型搜索能力追平前沿闭源:重新定义环境,刷新多模态搜索能力)量子位

[2026-11-14](Neos: Lightweight Multimodal Agentic Search Models)ZAKER

[2026-11-14](Neos 9B/35B 多模态搜索评测:轻量模型对标 Gemini、GPT 前沿闭源)机器之心

[2026-06-20](SimpleSearch-VL: A Simple Recipe for Multimodal Agentic Deep Search)arXiv

[2026-08-29](LiteSearch-VL: Small Multimodal Search Agents via Trajectory Distillation)arXiv

【免责声明】

本文内容整理自公开评测报告、AI 行业媒体报道,Neos 轻量模型的多模态搜索成绩为特定基准测试结果,实际效果受搜索后端、网页解析、网络环境影响;不同任务场景下和闭源模型的差距会发生变化,本文仅作为资讯科普,不构成 Agent 开发、私有化模型采购、检索系统选型的决策建议。

本文来自作者[雾芯镜像官]投稿,不代表新新网立场,如若转载,请注明出处:https://www.xxcmw.com/rgzn/202611/2853.html

赞 (1)
反馈

发表回复

本站作者后才能评论

评论列表(4条)

  • 雾芯镜像官
    雾芯镜像官 2026年11月15日

    我是新新网的签约作者“雾芯镜像官”!

  • 雾芯镜像官
    雾芯镜像官 2026年11月15日

    希望本篇文章《轻量模型搜索能力追平前沿闭源,Neos 模型重构交互环境、刷新多模态深度搜索基准》能对你有所帮助!

  • 雾芯镜像官
    雾芯镜像官 2026年11月15日

    本站[新新网]内容主要涵盖:互联网行业的追踪与探索

  • 雾芯镜像官
    雾芯镜像官 2026年11月15日

    本文概览:Neos 系列轻量多模态智能体模型最新评测结果出炉,在多模态深度搜索任务上,9B、35B 规模的轻量版本大幅缩小和顶尖闭源模型的差距,部分

联系我们

联系:143 0457 151

工作时间:周一至周五,9:30-18:30,节假日休息

关注我们