// 01 MindDR 1.5 是什么
来自理想汽车信息智能体团队的深度研究框架
MindDR 1.5 来自理想汽车信息智能体团队，论文作者信息显示其研发主体为 Li Auto Inc。它并不是普通聊天机器人，而是面向“深度研究”任务的多智能体框架，重点处理需要检索、分析、交叉验证和长报告生成的复杂问题。公开论文《Mind DeepResearch Technical Report》于 2026 年 4 月提交，技术解读中提到 MindDR 1.0 于 2025 年 12 月上线，MindDR 1.5 是其后续升级版本。
从定位看，MindDR 1.5 更适合需要做复杂信息研究的产品团队、研究人员、企业知识分析场景和搜索增强型 Agent 开发团队。它要解决的不是“问一句答一句”的问题，而是如何让模型像研究助理一样拆解问题、反复搜索、验证来源，并最终生成结构化报告。
为什么值得关注
深度研究类产品通常依赖非常强的大模型和较高推理成本。MindDR 1.5 的技术路线更强调“小模型、低成本、高性能”。公开论文显示，它通过约 30B 参数规模模型，在多智能体协作和多阶段训练管线加持下，取得了接近或超过部分更大规模系统的表现。这一点对企业落地很重要，因为真实生产环境不仅看效果，也看训练成本、推理成本和稳定性。
它的核心思路是把深度研究任务拆成三个分工明确的智能体：Planning Agent 负责理解问题和拆解子任务，DeepSearch Agent 负责多轮检索、验证和推理，Report Agent 负责整合证据并生成最终报告。三者之间通过记忆模块共享中间结果，避免单一 Agent 在长任务中同时承担规划、搜索和写作而导致上下文膨胀或能力互相干扰。
核心能力
- 采用三智能体协作架构，将规划、搜索和报告生成拆分为独立角色。
- 训练流程包含 SFT 冷启动、Search-RL、Report-RL 和偏好对齐四个阶段。
- 论文显示，MindDR 在 BrowseComp-ZH 上取得 45.7%，BrowseComp 为 42.8%，WideSearch 为 46.5%，xbench-DS 为 75.0%，DeepResearch Bench 为 52.5。
- 技术解读中提到，MindDR 1.5 相比 MindDR 1.0 的整体效果提升 50.6%，训练 token 数量减少 71.4%，训练卡时降低 60%。
- 团队还提出 MindDR Bench，包含 500 条来自内部产品真实用户交互的中文复杂查询，用于评估真实深度研究场景。
- Report-RL 阶段使用 RACE Rubrics 作为核心奖励，围绕全面性、指令遵循、洞察力和可读性优化长报告质量。
如何使用
目前公开资料显示，MindDR 1.5 已部署在理想汽车的在线产品中，但没有看到独立开放的注册入口、API 文档或可直接下载的开源模型权重。对于普通用户来说，它更像是理想产品体系中的深度研究能力，而不是一个可以单独访问的通用 SaaS 工具。开发者目前主要可以通过 Hugging Face Papers 或 arXiv 阅读技术报告，了解其多智能体架构和训练方法。
- 研究人员可以先阅读 arXiv 技术报告，了解整体架构和评测方法。
- Agent 开发者可以重点参考三智能体拆分方式和四阶段训练管线。
- 企业团队若关注落地，需要等待官方是否开放产品入口、API 或模型能力说明。
典型使用场景
在市场研究场景中，MindDR 这类框架适合处理“某个行业过去半年发生了哪些关键变化”这类开放问题。系统需要拆解主题、检索多来源资料、判断信息可靠性，再输出有结构的研究报告。
在企业知识分析中，它可以用于整理内部资料和外部信息，例如围绕竞品、政策、技术趋势生成分析结论。相比普通搜索摘要，深度研究更重视多跳检索、证据整合和报告可读性。
在 Agent 研发场景中，MindDR 1.5 的价值更多是方法参考。团队可以借鉴其 Planning、DeepSearch、Report 的角色拆分方式，避免把所有能力都压到一个 Agent 中。
与同类工具的差异
MindDR 1.5 的差异不在于提供一个新的聊天界面，而在于提出了一套面向深度研究的训练和协作范式。相比端到端训练一个大 Agent，它把搜索和写作拆开训练，用更明确的奖励信号分别提升检索、推理和报告生成能力。这种方式更适合复杂长链路任务，也更利于控制训练成本。
如果用户只需要网页级搜索总结，普通搜索增强助手已经足够；如果目标是研究深度研究 Agent 如何在较小模型规模下获得较强表现，MindDR 1.5 更值得关注。
价格与公开程度
目前公开资料中没有看到 MindDR 1.5 的独立定价、商业 API 价格或个人订阅方案。它的论文和技术介绍已经公开，但产品化开放程度仍有限。因此，现阶段不能按普通工具判断免费版是否够用或付费是否值得，只能将其视为理想汽车在深度研究智能体方向的技术成果和线上能力。
真实优势与局限
MindDR 1.5 的优势在于用相对较小规模模型探索了深度研究任务的高效路线：多智能体协作、分阶段强化学习、真实中文查询评测和报告质量对齐，都是很有参考价值的工程设计。
局限也很明确。它目前不是一个完全开放的通用工具，公开资料主要集中在论文、评测和技术解读层面；普通用户无法像使用 ChatGPT Deep Research 或 Perplexity 那样直接独立调用。对于工具导航站来说，MindDR 1.5 更适合作为“深度研究框架/技术成果”收录，而不是作为普通在线应用推荐给所有用户。
