返回资讯中心
外部精选
ai-models
#研究进展#模型发布#Agentic AI#AI Shorts#Applications#Artificial Intelligence

SID AI 发布 SID-2 智能搜索模型,12 智能体集群模式 NDCG 达 0.720

来源标题:SID AI Releases SID-2 Agentic Search Model With 0.720 NDCG Swarm Mode

SID AI 发布第二代智能搜索模型 SID-2 及 SID-2 Swarm,其中 12 个智能体组成的集群在自家基准上取得 0.720 NDCG,超过 GPT-6 Astra 的 0.704。单智能体 3.11 秒内达到 0.585 NDCG,检索质量可媲美 Claude Opus 5.5。模型上下文窗口 262k tokens,通过托管 API 及 Baseten、SageMaker 提供。

MarkTechPostMichal Sutter2026/11/18 · 今天13 分钟阅读

以下正文由 AI 翻译自 MarkTechPost(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

SID AI 发布了 SID-2,这是其第二代 agentic 搜索模型,同时推出的还有 SID-2 Swarm。SID-2 是 SID AI 开发的 agentic 搜索模型,它会搜索你的数据、读取结果并返回排序后的文档 ID。它用一个自行决定下一步搜索什么的模型,取代了固定的 RAG 流水线。

摘要

  • 规模:根据报告,上下文窗口为 262k token(sid.ai/models 上为 256k)。
  • 运行方式:托管 API 位于 platform.sid.ai,另有 Baseten 和 SageMaker 参考部署路径。SID 的延迟数据基于 1 块 B200 GPU、8 个并发查询。
  • 性能:单个 agent 在检索质量上可与 Claude Opus 5.5 匹敌。Swarm 模式击败了 SID 测试过的所有模型。
  • 最佳:SID-2 Swarm(12 个 agent)得分 0.720 NDCG,高于 GPT-6 Astra 的 0.704。
  • 最差:SID-2 Low 得分 0.556 NDCG,比 GPT-6 Astra 低 0.148。Astra 在加州法律、SEC 文件和 FiQA 上仍然领先。
  • 结论:最佳之处:以极低的延迟实现了前沿水平的检索。最差之处:尚未披露规模、权重,也没有独立的评测。

SID-2 是什么,它如何工作?

SID-2 是一个小型搜索专用模型,不是通用聊天模型。静态流水线按固定顺序执行改写、嵌入、搜索和重排。SID-2 则是先搜索、读取结果、做出调整,然后再次搜索。 开发者针对自己的后端实现搜索工具。text_search 工具负责关键词搜索,search 工具负责向量搜索。模型在每一轮结束时调用 report_helpful_ids,传入一个排序列表。无需重建索引或迁移数据,因为 SID-2 只能看到你的工具返回的内容。 SID-2 Swarm 会运行多个 agent,它们彼此通信,并将自己的上下文分叉给新的 agent。每个 agent 探索语料库的不同部分。SID 认为,搜索的收益更多来自阅读更多文档,而不是对每篇文档进行更深入的推理。

什么是推理强度和 Metric Steering?

SID-2 提供低、中、高三档推理强度。每一档都作为独立的专家模型训练,然后通过多教师 on-policy 蒸馏合并。Metric Steering 让用户可以指定优化目标:NDCG、F1 或 Recall@k,其中 k 从 1 到 50。在 SID 的 506 题验证集上,高强度档的 SID-2 在每个指标上都比基础模型高 0.14 到 0.22。

SID-2 是如何训练的?

训练采用两阶段强化学习。第一阶段只优化检索质量。第二阶段加入一个乘性的延迟惩罚,且只作用于正向奖励。一个 proposer-solver 自博弈循环针对冻结的 SID-1 solver 生成困难查询。SID 报告称,相比 SLIME 的默认设置,训练吞吐量提升了 6 倍。

SID-2 在基准测试上表现如何?

SID 构建了一个包含 506 个问题、覆盖 19 个语料库的基准测试,其中包括 HotpotQA、Enron 邮件、SEC 文件、PubMed 和 BrowseComp-Plus。以下所有数字均为 SID 自行报告,来自报告的表 2 至表 4。

  • SID-2 Medium:0.585 NDCG,耗时 3.11 秒;相比之下 Claude Opus 5.5(medium)为 0.577,耗时 25.1 秒。
  • SID-2 Swarm,6 个 agent:0.701 NDCG,耗时 17.7 秒;相比之下 GPT-6 Astra(max)为 0.704,耗时 135 秒。
  • SID-2 Swarm,12 个 agent:0.720 NDCG,为表中最高分。
  • 基线:BM25 得分 0.260,向量搜索加重排器得分 0.287。 Swarm 在 19 个语料库中的 11 个上领先。在 WixQA 上,单个高强度 agent 在成本低约 232 倍的情况下与 Astra 持平。在最低推理强度下,SID-2 以少 13 倍的 FLOPs 击败 4 个并行的 SID-1 运行。

SID-2 与 GPT-6 Astra、Claude Opus 5.5 对比

特性SID-2(medium)SID-2 Swarm(6 个 agent)GPT-6 Astra(max)Claude Opus 5.5(medium) 类型Agentic 搜索模型多 agent 搜索通用 LLM通用 LLM 参数量未披露未披露未披露未披露 上下文262k(报告)/ 256k(官网)实际无限(据 SID)未披露1M NDCG,SID 基准0.5850.7010.7040.577 每查询推理时间3.11 秒17.7 秒135 秒25.1 秒 每 1000 次查询成本$6.54$263$2,141$131 API 价格(每百万输入 / 输出)$0.25 / $1.00$0.50 / $2.00$10 / $50$4 / $20 NDCG、时间和成本各行由 SID 在其自有基准上测得。检索后端耗时不计入在内。

开发者如何部署 SID-2?

SID-2 可通过 SID 的 API 和 Baseten 使用。提供的 SDK 包括 Python(sid-sdk)、TypeScript(@sid-ai/sid-sdk)和 Go(github.com/sidhq/sid-go)。另有 SageMaker helper 用于 AWS 部署。参考实现使用 OpenAI 客户端格式。 SID-2 的价格为每百万输入 token $0.25、每百万输出 token $1.00。Swarm 为 $0.50 和 $2.00。缓存输入按输入价格的 10% 计费。

关键要点

  • SID-2 是一个经强化学习训练的 agentic 搜索模型,返回排序后的文档 ID。
  • SID-2 Medium 以 0.585 NDCG、3.11 秒的成绩在检索上匹敌 Opus 5.5。
  • 12 个 agent 的 SID-2 Swarm 以 0.720 NDCG 领跑 SID 的基准测试。
  • 价格起步为每百万输入 token $0.25,且无需重建索引。
  • 所有结果均为自行报告;规模和权重未披露。 查看 SID-2 技术报告、文档和模型页面。你可以通过我们的 GPULeaderboard.com Chrome 扩展在此查看部署选项和规格。 另外,欢迎在 Twitter 上关注我们,别忘了加入我们 15 万+ 的 ML SubReddit 并订阅我们的 Newsletter。等等!你在用 Telegram 吗?现在你也可以在 Telegram 上加入我们。 需要与我们合作推广你的 GitHub Repo、Hugging Face Page、产品发布或网络研讨会等?联系我们。 文章 SID AI Releases SID-2 Agentic Search Model With 0.720 NDCG Swarm Mode 首发于 MarkTechPost。

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →