DeepSearchQA 由 Google DeepMind 发布，用 900 个跨 17 个领域的多步信息检索问题测试深度研究智能体。许多题目要求给出完整的答案集合而非单一事实，只有与标准答案集完全一致才算全对；同时报告精确率、召回率和 F1，由大模型裁判评分。
查看 DeepSearchQA 的最新得分、模型模式、发布时间与参数规模，快速了解当前完整榜单表现。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
| 排名 | 模型 | 开源情况 | |||
|---|---|---|---|---|---|
 Kimi K3 思考水平·Max工具联网 | 95.00 | 2026-07-16 | 28000亿 | 有条件商用 | |
 Muse Spark 1.3 思考水平·Max工具联网 | 89.40 | 2026-09-02 | 未知 | 闭源 | |
Muse Glimmer-30B 思考水平·高工具联网 | 74.60 | 2026-08-10 | 296亿 | 免费商用 |
Kimi K3 (max) 官方发布成绩：95（2026-07-16）。
