# MindDR 1.5：30B小模型如何以低训练成本超越巨头？深度研究智能体架构全解析

- Link: https://paooo.com/aigc-news/10745/
- Published: 2026-05-25T08:08:04+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 30B 级 MindDR 1.5 以三[智能体](https://paooo.com/trends/)协作架构切分规划、搜索
   与报告，缓解长上下文膨胀和能力耦合。
 * 框架采用 SFT、Search-RL、Report-RL 与偏好对齐四阶段训练，跳过昂贵 mid-training，
   显著压低训练成本。
 * 在 DeepResearch Bench 上取得 52.54 分，并已部署到理想同学在线产品，面向真实研究
   场景落地。

> **💡 站外导读：**在AI Agent席卷各行各业的当下，深度研究智能体正成为企业竞争的制
> 高点。然而，传统端到端大模型面临训练成本高昂、能力耦合、幻觉严重等核心痛点。理想
> 汽车信息智能体团队发布的MindDR 1.5，正是针对这些挑战提出的突破性解决方案。该框架
> 以约30B参数规模，在DeepResearch Bench基准上取得52.54分，超越众多闭源大模型，且
> 训练成本大幅降低，为中小企业和垂直行业应用提供了极具性价比的路径。

## MindDR 1.5是什么

MindDR 1.5 是理想汽车信息智能体团队推出的多智能体深度研究框架，用仅约 30B 参数规模
在 DeepResearch Bench 取得 52.54 分，达到业界领先水平。框架采用 Planning、DeepSearch、
Report 三智能体协作架构，配合 SFT 冷启动、Search-RL、Report-RL 与偏好对齐四阶段训练
管线，跳过昂贵的 mid-training，训练 token 减少 71.4%、卡时降低 60%，已实现低成本
高性能的深度研究能力，现已部署于理想同学在线产品。

阅读目录

 * [MindDR 1.5是什么](https://paooo.com/aigc-news/10745/#minddr-15%e6%98%af%e4%bb%80%e4%b9%88)
 * [MindDR 1.5的主要功能](https://paooo.com/aigc-news/10745/#minddr-15%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [MindDR 1.5的技术原理](https://paooo.com/aigc-news/10745/#minddr-15%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [MindDR 1.5的关键信息和使用要求](https://paooo.com/aigc-news/10745/#minddr-15%e7%9a%84%e5%85%b3%e9%94%ae%e4%bf%a1%e6%81%af%e5%92%8c%e4%bd%bf%e7%94%a8%e8%a6%81%e6%b1%82)
 * [MindDR 1.5的核心优势](https://paooo.com/aigc-news/10745/#minddr-15%e7%9a%84%e6%a0%b8%e5%bf%83%e4%bc%98%e5%8a%bf)
 * [MindDR 1.5的项目地址](https://paooo.com/aigc-news/10745/#minddr-15%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [MindDR 1.5的同类竞品对比](https://paooo.com/aigc-news/10745/#minddr-15%e7%9a%84%e5%90%8c%e7%b1%bb%e7%ab%9e%e5%93%81%e5%af%b9%e6%af%94)
 * [MindDR 1.5的应用场景](https://paooo.com/aigc-news/10745/#minddr-15%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)
       * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/aigc-news/10745/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight)

![MindDR 1.5](https://paooo.com/wp-content/uploads/2026/05/MindDR-1.5-website-1.
avif)

## MindDR 1.5的主要功能

 * **智能任务规划**：Planning Agent 自动拆解用户查询为独立子任务。
 * **深度并行检索**：DeepSearch Agent 执行多轮搜索、验证与长程推理。
 * **高质量报告生成**：Report Agent 整合多源证据，输出结构化长报告。
 * **记忆共享与追溯**：通过 Extended Chain-of-Thought（XoT）与 Tool Memory 实现跨
   智能体信息流转与溯源。
 * **多工具环境调用**：支持 Web、Database、Browser、Python 等统一工具接口。

## MindDR 1.5的技术原理

 * **多智能体协作架构**：将深度研究全流程拆分为 Planning Agent（任务规划）、DeepSearch
   Agent（深度搜索）与 Report Agent（报告撰写）三个分工明确的智能体，通过 Memory
   模块共享 XoT 推理轨迹与工具调用记录，避免单模型长上下文膨胀与能力耦合干扰。
 * **四阶段训练管线**：
    - **SFT 冷启动**：建立工具调用、格式遵循与多轮推理的基础行为。
    - **Search-RL**：基于真实工具环境进行在线强化学习，采用动态调度奖励（工具调用
      →格式→PRM→ORM 递进），优化长链路搜索与决策效率。
    - **Report-RL**：以 RACE Rubrics（全面性、洞察力、可读性、指令遵循）为核心奖励，
      结合引用与格式奖励，优化长报告生成质量。
 * **偏好对齐**：通过 DPO 与 Self-SFT 解决时态一致性、表格格式等细粒度用户体验问题，
   对齐人类偏好。
 * **数据合成**：基于百度百科与英文维基百科构建知识图谱，通过子图采样、多跳 QA 生成、
   条件混淆与质量过滤，合成高质量复杂推理训练数据；并与真实用户查询混合，弥合分布
   差距。

## MindDR 1.5的关键信息和使用要求

 * **开发团队**：理想汽车（Li Auto）信息智能体团队自主研发并维护。
 * **开源状态**：技术报告与论文已公开（arXiv 2604.14518），模型权重与产品接口暂未
   开源。
 * **参数规模**：采用约 30B 参数的稠密模型与 MoE 模型双路线，在同规模开源系统中性能
   领先。
 * **训练成本**：相较 MindDR 1.0，训练 token 数量减少 71.4%，训练卡时降低 60%，实现
   显著的效率提升。
 * **产品形态**：已作为核心能力部署于理想同学（Livis）在线产品，面向真实用户场景
   提供深度研究服务。
 * **评测基准**：覆盖 DeepResearch Bench、MindDR Bench、BrowseComp、xbench-DS、WideSearch
   等多个深度搜索与研究报告评测体系。

## MindDR 1.5的核心优势

 * **低成本高性能**：用30B 级小模型跳过 mid-training，通过多阶段训练实现业界领先
   性能，显著降低训练与推理成本。
 * **智能体分工明确**：三智能体解耦搜索与写作，避免端到端训练的奖励稀疏与能力干扰
   问题，支持并行子任务执行。
 * **动态递进奖励**：Search-RL 采用阈值触发的动态奖励调度，从基础工具调用逐步过渡
   到深层推理优化，模拟”顿悟式”能力跃迁。
 * **真实场景对齐**：基于 500 条真实用户查询构建 MindDR Bench，评测维度覆盖内容质量
   与呈现格式，直接对齐用户体验。
 * **高效搜索决策**：在同等准确率下，工具调用次数与上下文 token 消耗显著低于同规模
   竞品，实现准确且高效。

## MindDR 1.5的项目地址

 * **HuggingFace模型库**：https://huggingface.co/papers/2604.14518
 * **arXiv技术论文**：https://arxiv.org/pdf/2604.14518

## MindDR 1.5的同类竞品对比

  |  对比维度 |  MindDR 1.5 |  [Gemini 3.1 Pro](https://ai-bot.cn/gemini-3-1-pro/) |  [OpenAI Deep Research](https://ai-bot.cn/deep-research/) |  
   |  开发方 |  理想汽车 |  Google |  [OpenAI](https://paooo.com/tag/openai/) |  
 |  参数规模 |  ~30B |  未公开（[大模型](https://paooo.com/ai-study/)） |  未公开（大模型） |  
 |  架构设计 |  三智能体协作（规划/搜索/报告分离） |  单/多智能体（未公开细节） |  单智能体端到端 |  
 |  训练策略 |  四阶段管线（跳过 mid-training） |  大规模持续预训练 |  端到端强化学习 |  
 |  DeepResearch Bench |  **52.54** |  52.17 |  46.45 |  
 |  BrowseComp-ZH |  **45.7** |  — |  — |  
 |  核心特点 |  小模型+多阶段 RL，成本极低 |  原生多模态，通用性强 |  闭源产品，体验成熟 |  
 |  开源程度 |  论文公开，模型未开源 |  闭源 |  闭源 |

## MindDR 1.5的应用场景

 * **汽车行业深度调研**：分析市场竞争格局、价格战策略、技术路线等复杂商业问题。
 * **学术科研辅助**：自动检索文献、整合多源证据并生成引用规范的研究综述。
 * **金融投资研究**：对上市公司、行业趋势进行多轮信息验证与结构化报告输出。
 * **产品决策支持**：基于海量公开数据与用户行为日志，生成可落地的商业分析报告。
 * **智能座舱问答**：作为理想同学的核心能力，为车主提供高可信度的深度知识问答。

#### 📝 站长洞察 (Editor’s Insight)

站长视角：MindDR 1.5的核心价值在于“用巧劲而非蛮力”，其“三智能体+四阶段RL”架构为AI
Agent发展提供了新范式。首先，规划、搜索、报告的解耦设计，是对人类专家研究流程的精准
模拟，避免了单体模型在长上下文中“既要又要”导致的能力稀疏，这启示我们：在复杂的任务
链上，模块化、流程化的工程设计可能比追求单一的超级智能更可靠、更高效。其次，跳过
昂贵的mid-training阶段，直接通过SFT冷启动和动态递进的RL训练，这预示着大模型训练正在
从“大力出奇迹”的Scaling Law，向更精细、更符合人类认知演进过程的“顿悟式”能力跃迁过渡。
这不仅大幅降低了企业的研发门槛，也预示着未来AI Agent的竞争将更聚焦于训练方法论、
任务分解设计和真实场景数据闭环，而非单纯的模型参数规模。对于技术决策者和创业者而言，
MindDR 1.5的实践路径极具参考价值：在资源有限的情况下，如何通过精巧的架构设计和对
齐训练，实现顶级的垂直应用性能。

❓ 常见问题解答（FAQ）

MindDR 1.5 为什么训练成本更低？

它跳过了昂贵的 mid-training，改用 SFT 冷启动、Search-RL、Report-RL 和偏好对齐四阶段
管线，并通过多智能体分工减少能力耦合，因此训练 token 减少 71.4%，卡时降低 60%。

MindDR 1.5 的核心架构是什么？

核心是 Planning、DeepSearch、Report 三智能体协作：Planning 负责拆解任务，DeepSearch
负责多轮检索与推理，Report 负责整合证据生成结构化长报告，并通过 Memory 共享推理轨迹
与工具记录。

MindDR 1.5 适合哪些应用场景？

它面向深度研究、复杂信息检索和长报告生成等场景，已部署于理想同学在线产品。对于需要
低成本、高质量研究能力的中小企业和垂直行业应用，具有较强参考价值。

🔬 语宙深潜追问 · 进阶实操拆解

三智能体怎么分工最稳？

通常按“检索、推理、写作”拆分最稳：检索负责找证据与扩展线索，推理负责交叉验证与结论
收敛，写作负责结构化输出。关键是给每个智能体明确输入输出格式，并用统一证据池避免
互相幻觉放大。

低训练成本如何复现到业务？

优先复用现成基座与工具链，先做小规模任务集蒸馏，再用高质量轨迹做阶段式训练。落地
时重点看检索命中率、证据一致性和人工返工率，而不是只盯榜单分数。

🗳️ 读者观点微投票 · 您的实战立场是？

30B小模型做深度研究，真能替代大模型吗？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🤖 所属权威专题：AI Agent 智能体工作流 →](https://paooo.com/topics/ai-agents/)

 * [AgentCPM-Explore：清华×面壁智能开源「能力密度怪兽」，4B参数硬刚大模型，端侧智能体革命来了！| AI前沿](https://paooo.com/aigc-news/12222/)
 * [DeepEyes多模态模型：小红书&西安交大联手，90.1%准确率实现AI’用图思考’，超越OpenAI o3](https://paooo.com/aigc-news/15027/)
 * [荣耀x复旦重磅发布MagicAgent：32B参数智能体模型全面超越GPT-5.2，重塑手机AI体验](https://paooo.com/aigc-news/11347/)
 * [科大讯飞星火X2-Flash MoE大模型发布：30B参数对标万亿级性能，Agent时代性价比之王](https://paooo.com/aigc-news/10748/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/10745/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
