OpenDS-World：真实开放网络环境下的深度搜索评测基准
OpenDS-World 基准包含 200 项多模态任务，评测 12 个前沿模型在真实网络环境中的深度搜索能力，最佳模型准确率达 39.0%，人类评估为 21.1%。该基准通过独立人工验证确保证据有效性和答案唯一性，揭示模型在工具协调和长程搜索管理上的持续挑战。
OpenDS-World 基准包含 200 项多模态任务，评测 12 个前沿模型在真实网络环境中的深度搜索能力，最佳模型准确率达 39.0%，人类评估为 21.1%。该基准通过独立人工验证确保证据有效性和答案唯一性，揭示模型在工具协调和长程搜索管理上的持续挑战。