MarkTechPost ↗ · 2026-11-18 15:10 · UTC+8
SID AI 推出 SID-2 代理搜索模型及 0.720 NDCG Swarm 模式
模型更新 MarkTechPost 原文语言:英文
SID AI 推出第二代代理搜索模型 SID-2 及其 12 代理 Swarm 版,后者在自建基准上实现 0.720 的 NDCG,超过 GPT-6 Astra 的 0.704;模型支持 262k 令牌上下文窗口,API 费用为每百万输入代币 0.25 美元、输出 1.00 美元。
全文
SID AI 发布了 SID-2(其第二代智能体搜索模型)以及 SID-2 Swarm。SID-2 是 SID AI 推出的智能体搜索模型,可搜索您的数据、读取结果并返回排序后的文档 ID。它用能够决定下一步搜索什么的模型取代了固定的 RAG 流水线。
太长不看
规模:根据报告,上下文窗口为 262k tokens(sid.ai/models 上为 256k)。
运行平台:platform.sid.ai 上的托管 API,以及 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与 Claude Opus 5.5 相媲美。Swarm 击败了 SID 测试过的所有模型。
最佳:SID-2 Swarm(12 个智能体)得分为 0.720 NDCG,高于 GPT-6 Astra 的 0.704。
最差:SID-2 Low 得分为 0.556 NDCG,比 GPT-6 Astra 低 0.148。Astra 在加州法律、SEC 文件和 FiQA 方面仍然领先。
底线:优点:以远低的延迟实现前沿级检索。缺点:尚未披露规模、权重或独立评估。
SID-2 是什么?它是如何工作的?
SID-2 是一个小型搜索专家模型,而不是通用聊天模型。静态流水线按固定顺序执行重写、嵌入、搜索和重排。SID-2 则进行搜索、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 工具涵盖关键词搜索,search 工具涵盖向量搜索。模型在每个回合结束时调用 report_helpful_ids 并传入排序列表。由于 SID-2 只能看到您的工具返回的内容,因此无需重新索引或迁移数据。
SID-2 Swarm 运行多个智能体,它们相互发送消息并将上下文分叉到新智能体中。每个智能体探索语料库的一个不同切片。SID 认为,搜索从阅读更多文档中获得的收益大于对每个文档进行更深入的推理。
什么是推理力度和 Metric Steering?
SID-2 提供低、中、高三种推理力度。每个级别都作为独立的专家进行训练,然后使用多教师在线策略蒸馏进行合并。Metric Steering 允许用户以 NDCG、F1 或 Recall@k 为目标,其中 k 从 1 到 50。在 SID 的 506 个问题验证集上,高力度下的 SID-2 在每个指标上比基础模型高出 0.14 到 0.22。
SID-2 是如何训练的?
训练采用了两阶段强化学习。阶段 1 仅优化检索质量。阶段 2 添加了一个乘法延迟惩罚,仅适用于正奖励。一个提议者-求解者自我博弈循环针对冻结的 SID-1 求解器生成困难查询。SID 报告称,与 SLIME 的默认设置相比,训练吞吐量提高了 6 倍。
SID-2 在基准测试上的表现如何?
SID 构建了一个包含 506 个问题的基准测试,涵盖 19 个语料库。其中包括 HotpotQA、Enron 邮件、SEC 文件、PubMed 和 BrowseComp-Plus。以下所有数字均为报告第 2 至 4 表中的自报数据。
SID-2 Medium:0.585 NDCG,耗时 3.11 秒,而 Claude Opus 5.5(medium)为 0.577,耗时 25.1 秒。
SID-2 Swarm,6 个智能体:0.701 NDCG,耗时 17.7 秒,而 GPT-6 Astra(max)为 0.704,耗时 135 秒。
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,向量搜索加重排得分为 0.287。
Swarm 在 19 个语料库中的 11 个上领先。在 WixQA 上,单个高力度智能体与 Astra 相当,成本约为其 1/232。在最低力度下,SID-2 以仅为 1/13 的 FLOPs 击败了 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(据 SID)未披露1M
NDCG,SID 基准测试0.5850.7010.7040.577
每查询推理时间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 在其自己的基准测试上测量。不包括检索后端时间。
开发者如何部署 SID-2?
SID-2 可通过 SID 的 API 和 Baseten 使用。Python(sid-sdk)、TypeScript(@sid-ai/sid-sdk)和 Go(github.com/sidhq/sid-go)均有 SDK。SageMaker 辅助工具涵盖 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,每百万输出 token $1.00。Swarm 的价格为 $0.50 和 $2.00。缓存输入的价格为输入价格的 10%。
要点
SID-2 是一个经过 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 秒内实现 0.585 NDCG,匹配 Opus 5.5 检索。
12 代理的 SID-2 Swarm 在 SID 的基准中以 0.720 NDCG 领先。
定价起始为每百万输入令牌 0.25 美元,且无需重新索引。
所有结果均为自行报告;规模和权重未披露。
查看 SID-2 技术报告、文档和模型页面。
正文为 AI 译文。