跳到正文
RadarAI· MarkTechPost(RSS)·· 2 小时前AI 评分60

SID AI 发布 SID-2 智能体搜索模型,Swarm 模式达 0.720 NDCG

AI 导读

SID AI 发布第二代智能体搜索模型 SID-2 及 SID-2 Swarm,模型自主决定搜索与重搜,返回排序文档 ID,无需重建索引。据其自报数据,SID-2 Medium 在 506 题基准上取得 0.585 NDCG、单次查询 3.11 秒,12 智能体的 Swarm 模式达 0.720 NDCG,高于 GPT-6 Astra 的 0.704。

正文 · AI 翻译

MarkTechPost· Michal Sutter·2026-11-18 15:10· 1 小时前AI 评分52

SID AI 发布 SID-2 智能体搜索模型,Swarm 模式达 0.720 NDCG

AI 导读

SID AI 发布第二代智能体搜索模型 SID-2 及 SID-2 Swarm,模型自主决定搜索与重搜,返回排序文档 ID,无需重建索引。

正文 · 原文

SID AI 已发布 SID-2,这是其第二代智能体搜索模型,同时推出 SID-2 Swarm。SID-2 是 SID AI 的智能体搜索模型,可搜索你的数据、读取结果并返回排序后的文档 ID。它用一个决定下一步搜索什么的模型取代了固定的 RAG 流水线。

TL;DR

  • 规模: 据报告,上下文窗口为 262k tokens(sid.ai/models 上为 256k)。
  • 运行于: platform.sid.ai 的托管 API,另有 Baseten 和 SageMaker 参考路径。SID 的延迟数据假设使用 1 块 B200 GPU、8 个并发查询。
  • 性能: 单个智能体在检索质量上可媲美 Claude Opus 5.5。Swarm 击败了 SID 测试的所有模型。
  • 最佳: SID-2 Swarm(12 个智能体)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 上仍领先。
  • 结论: 最佳:以极低延迟实现前沿级检索。最差:尚未披露规模、权重或独立评测。

SID-2 是什么,如何工作?

SID-2 是一个小型搜索专家模型,而非通用聊天模型。静态流水线按固定顺序执行改写、嵌入、搜索和重排。SID-2 则搜索、读取结果、调整并再次搜索。

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。模型在每轮结束时调用 report_helpful_ids 并给出排序列表。无需重建索引或迁移数据,因为 SID-2 只看到你的工具返回的内容。

SID-2 Swarm 运行多个智能体,它们互相发送消息并将上下文分叉给新智能体。每个智能体探索语料库的一个独立切片。SID 认为,搜索从阅读更多文档中获得的收益,大于对每篇文档进行更深入推理。

推理强度和 Metric Steering 是什么?

SID-2 提供低、中、高推理强度。每个级别都作为独立专家训练,然后通过多教师同策略蒸馏合并。Metric Steering 让用户可针对 NDCG、F1 或 Recall@k 进行优化,k 从 1 到 50。在 SID 的 506 题验证集上,高强度 SID-2 每项指标比基础模型高 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 1 阶段仅优化检索质量。第 2 阶段加入乘性延迟惩罚,仅作用于正奖励。一个提议者-求解者自博弈循环针对冻结的 SID-1 求解器生成困难查询。SID 报告称,相比 SLIME 的默认设置,训练吞吐量提升 6 倍。

SID-2 在基准测试上表现如何?

SID 构建了一个覆盖 19 个语料库的 506 题基准。其中包括 HotpotQA、Enron 邮件、SEC 文件、PubMed 和 BrowseComp-Plus。以下所有数字均来自报告表 2 至表 4的自报数据。

  • SID-2 Medium: 3.11 秒内达 0.585 NDCG,而 Claude Opus 5.5(medium)为 25.1 秒内 0.577。
  • SID-2 Swarm,6 个智能体:17.7 秒内达到 0.701 NDCG,而 GPT-6 Astra(max)在 135 秒内达到 0.704。
  • SID-2 Swarm,12 个智能体:0.720 NDCG,为表中最高分。
  • 基线:BM25 得分为 0.260,向量搜索加 reranker 得分为 0.287。

Swarm 在 19 个语料库中的 11 个上领先。在 WixQA 上,单个高投入智能体以约 232 倍更低的成本达到与 Astra 相当的水平。在最低投入下,SID-2 以少 13 倍的 FLOPs 击败 4 个并行的 SID-1 运行。

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

特性SID-2(medium)SID-2 Swarm(6 个智能体)GPT-6 Astra(max)Claude Opus 5.5(medium)
类型智能体搜索模型多智能体搜索通用 LLM通用 LLM
参数未披露未披露未披露未披露
上下文262k(报告)/ 256k(网站)实际上无限(每个 SID)未披露1M
NDCG,SID 基准0.5850.7010.7040.577
每次查询推理时间3.11 秒17.7 秒135 秒25.1 秒
每 1,000 次查询成本$6.54$263$2,141$131
API 价格(每 1M 输入 / 输出)$0.25 / $1.00$0.50 / $2.00$10 / $50$4 / $20

NDCG、时间和成本行由 SID 在其自有基准上测量。检索后端时间不计入。

开发者如何部署 SID-2?

SID-2 可通过 SID 的 API 以及在 Baseten 上使用。提供 Python(sid-sdk)、TypeScript(@sid-ai/sid-sdk)和 Go(github.com/sidhq/sid-go)的 SDK。SageMaker 辅助工具覆盖 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 美元,每百万输出 token 1.00 美元。Swarm 为 0.50 美元和 2.00 美元。缓存输入为输入价格的 10%。

关键要点

  • SID-2 是一个经 RL 训练的智能体搜索模型,返回排序后的文档 ID。
  • SID-2 Medium 在 3.11 秒内以 0.585 NDCG 达到与 Opus 5.5 检索相当的水平。
  • 12 智能体的 SID-2 Swarm 以 0.720 NDCG 领跑 SID 的基准。
  • 定价从每百万输入 token 0.25 美元起,且无需重建索引。
  • 所有结果均为自报;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,别忘了加入我们的 150k+ ML SubReddit 并订阅我们的 Newsletter。等等!你在 Telegram 上吗?现在你也可以在 Telegram 上加入我们了。

需要与我们合作推广你的 GitHub 仓库、Hugging Face 页面、产品发布或网络研讨会等?联系我们

文章 SID AI 发布 SID-2 智能体搜索模型,Swarm 模式达 0.720 NDCG 首次出现在 MarkTechPost。

来源:MarkTechPost · marktechpost.com

来源:RadarAI · aihot.news