1 月 20 日，由清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 8B 端侧写作智能体 AgentCPM-Report 正式开源。
在当前深度研究场景中，企业与科研人员常面临两难抉择：依赖云端大模型虽能获得顶级调研能力，却需承担核心数据泄密风险；选择断网或本地小模型保障安全，又往往因性能局限导致报告逻辑浅薄、实用性不足。
为此，AgentCPM-Report 以端侧模型为核心，来实现本地化部署与 SOTA 性能的双重突破，力求无需昂贵算力集群，也无需上传任何信息，即可在本地构建专家级调研助手。
据悉，该智能体的核心亮点集中在两大维度。
第一，极致效能与“以小博大”的突破：通过平均 40 轮深度检索与近 100 轮思维链推演，AgentCPM-Report 以仅 8B 的参数规模，实现了对复杂信息的全方位挖掘与重组，能够产出逻辑严密、洞察深刻的万字长文，在深度调研任务上性能对标顶级闭源系统。
第二，物理隔绝的本地安全保障：专为高隐私场景设计，支持完全离线的敏捷部署，彻底杜绝云端泄密风险；依托开源的 UltraRAG 框架，可高效挂载并理解本地私有知识库，让核心机密数据在"不出域"的前提下，转化为高价值的专业决策报告。
在 DeepResearch Bench、Deep Consult、DeepResearch Gym 三大主流深度调研评测基准中，其综合评分达到甚至超越顶级闭源系统：在最考验核心能力的洞察性指标上排名第一，全面性指标位居第一梯队，仅次于基于 Claude 的复杂写作框架。其中在 DeepResearch Gym 评测中，AgentCPM-Report 以 98.48 的综合得分领跑，在深度、广度、洞察力等关键维度均斩获满分。
官方展示的实战场景中，该智能体可基于《三体》原文知识库，完成从线索挖掘、大纲规划到万字长文撰写的全流程，精准生成"面壁计划"深度调查报告。
部署便捷性方面，AgentCPM-Report 支持 Docker 一键启动，无需编写代码即可通过拖拽方式将 PDF、TXT 等本地文档导入后台，系统自动完成切片与向量化索引，用户输入研究课题后，即可生成结构化、带引用的专业报告，实现沉浸式深度调研体验。
技术层面，两大创新支撑其“以弱胜强”的表现：一是“写作即推理”模式，通过“起草-深化”两阶段循环与渐进式优化，将长篇写作拆解为微小目标，避免小模型逻辑崩塌；二是“多阶段智能体学习”，拆解智能检索、流畅写作、科学规划、精准决策四大核心能力，通过有监督微调、原子能力强化、全流程优化三阶段训练，实现端到端全链路能力提升。
目前，AgentCPM-Report 已在 GitHub、HuggingFace、ModelScope、GitCode、魔乐社区等多个平台开源，UltraRAG 框架也同步开放获取。
UltralRAG 框架开源地址：https://github.com/OpenBMB/UltraRAG
GitHub：https://github.com/OpenBMB/AgentCPM
HuggingFace：https://huggingface.co/openbmb/AgentCPM-Report
ModelScope：https://modelscope.cn/models/OpenBMB/AgentCPM-Report
