Nomes e termos específicos são então trocados por descrições vagas, para que um agente de busca não consiga encontrar a resposta com uma simples busca por palavras-chave. Isso força uma busca e raciocínio genuínos em múltiplas etapas.

Um filtro em duas etapas elimina perguntas inutilizáveis: um modelo base forte não deve ser capaz de respondê-las sem ferramentas, mas deve ser capaz de resolvê-las com o contexto completo. Se qualquer condição falhar, a pergunta é descartada.

A segunda ideia foca nos caminhos de busca que o modelo aprende. Páginas da web contêm muito ruído que diminui a qualidade dos caminhos de solução registrados. Durante a geração de dados, um modelo professor recebe um resumo limpo dos resultados de busca anteriores e toma decisões melhores com base nisso.

Durante o treinamento, o modelo aluno vê os dados brutos, não limpos, mas ainda é esperado que reproduza as decisões de alta qualidade do professor. Isso o força a descobrir por conta própria como separar sinal de ruído.

11.700 pontos de dados versus 147.000: qualidade dos dados supera volume bruto

OpenSeeker é baseado no Qwen3-30B-A3B e foi treinado com apenas 11.700 pontos de dados em uma única execução usando ajuste fino supervisionado, sem qualquer aprendizado por reforço ou ajustes repetidos.

De acordo com o artigo, o modelo atingiu 48,4% no benchmark BrowseComp-ZH em língua chinesa, superando o Tongyi DeepResearch da Alibaba em 46,7%. O modelo da Alibaba passou por um processo de três etapas de pré-treinamento estendido, ajuste fino supervisionado e aprendizado por reforço.

No BrowseComp em inglês da OpenAI, o OpenSeeker pontua 29,5% - quase o dobro dos 15,3% do DeepDive, o anterior líder entre os agentes totalmente abertos.

Uma comparação com o MiroThinker destaca o quanto a qualidade dos dados importa mais do que a quantidade bruta: aquele modelo foi alimentado com 147.000 exemplos de treinamento, mas só consegue 13,8% no BrowseComp-ZH. O OpenSeeker atinge 3,5 vezes essa pontuação com menos de um doze avos dos dados.

Ainda há uma lacuna em comparação com os sistemas proprietários mais fortes, no entanto. O GPT-5-High da OpenAI atinge 54,9% no BrowseComp, e o DeepSeek-V3.2 com 671 bilhões de parâmetros chega a 51,4%. O OpenSeeker opera com uma fração do tamanho do modelo e do esforço de treinamento.

A questão de quem tem acesso a dados de treinamento de alta qualidade tem sido um problema central na indústria de IA há algum tempo. No ano passado, uma equipe de pesquisa lançou o Common Pile, um conjunto de dados de texto de 8 TB construído a partir de fontes com licença aberta. Até agora, isso não fez muito para abalar a dominância dos modelos comerciais.