SID AI 发布了 SID-2,这是其第二代 agentic 搜索模型,同时推出了 SID-2 Swarm。SID-2 是 SID AI 推出的 agentic 搜索模型,它会搜索你的数据、读取结果并返回排好序的文档 ID。它用一个自行决定下一步搜索什么的模型取代了固定的 RAG 流水线。
简要总结
- 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,另有 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 agent 在检索质量上可媲美 Claude Opus 5.5。Swarm 击败了 SID 测试的所有模型。
- 最佳表现:SID-2 Swarm(12 个 agent)得分 0.720 NDCG,高于 GPT-6 Astra 的 0.704。
- 最差表现:SID-2 Low 得分 0.556 NDCG,比 GPT-6 Astra 低 0.148。Astra 在 California law、SEC filings 和 FiQA 上仍然领先。
- 结论:优点:以极低延迟实现前沿水平的检索。缺点:尚未披露规模、权重或独立评测。
SID-2 是什么,它如何工作?
SID-2 是一个小型搜索专用模型,并非通用聊天模型。静态流水线按固定顺序执行改写、嵌入、搜索和重排。而 SID-2 会先搜索、读取结果、做出调整,然后再次搜索。
开发者需要针对自己的后端实现搜索工具。text_search 工具负责关键词搜索,search 工具负责向量搜索。模型在每轮结束时调用 report_helpful_ids 并给出排序列表。无需重建索引或迁移数据,因为 SID-2 只能看到你的工具返回的内容。
SID-2 Swarm 会运行多个 agent,它们彼此发送消息,并将上下文分叉给新的 agent。每个 agent 探索语料库的一个独立切片。SID 认为,搜索的收益更多来自阅读更多文档,而非对每篇文档进行更深的推理。
什么是 reasoning effort 和 Metric Steering?
SID-2 提供低、中、高三档 reasoning effort。每一档都作为独立的专家模型训练,然后通过 multi-teacher on-policy distillation 合并。Metric Steering 允许用户以 NDCG、F1 或 Recall@k 为目标,其中 k 的取值范围为 1 到 50。在 SID 的 506 题验证集上,高 effort 的 SID-2 各项指标比基础模型高 0.14 到 0.22。
SID-2 是如何训练的?
训练采用两阶段强化学习。第 1 阶段只优化检索质量。第 2 阶段增加一个乘性的延迟惩罚,且该惩罚仅作用于正奖励。一个 proposer-solver 自对弈循环针对冻结的 SID-1 solver 生成困难查询。SID 报告称,相比 SLIME 的默认配置,训练吞吐量提升 6 倍。
SID-2 在基准测试上表现如何?
SID 构建了一个覆盖 19 个语料库的 506 题基准测试。其中包括 HotpotQA、Enron emails、SEC filings、PubMed 和 BrowseComp-Plus。以下所有数字均来自报告表 2 至表 4 的自报数据。
- SID-2 Medium:3.11 s 内得分 0.585 NDCG,而 Claude Opus 5.5(medium)在 25.1 s 内得分 0.577。
- SID-2 Swarm,6 个 agent:17.7 s 内得分 0.701 NDCG,而 GPT-6 Astra(max)在 135 s 内得分 0.704。
- SID-2 Swarm,12 个 agent:0.720 NDCG,为表中最高分。
- 基线:BM25 得分 0.260,向量搜索加重排器得分 0.287。
Swarm 在 19 个语料库中的 11 个上领先。在 WixQA 上,单个高 effort agent 以约 232 倍更低的成本达到与 Astra 相当的水平。在最低 effort 下,SID-2 以少 13 倍的 FLOPs 击败 4 个并行的 SID-1 运行。
SID-2 vs GPT-6 Astra vs Claude Opus 5.5
文章标题:SID AI 发布 SID-2 Agentic 搜索模型,Swarm 模式达到 0.720 NDCG
正文:
| 特性 | SID-2(medium) | SID-2 Swarm(6 个 agent) | GPT-6 Astra(max) | Claude Opus 5.5(medium) |
|---|---|---|---|---|
| 类型 | Agentic 搜索模型 | 多 agent 搜索 | 通用 LLM | 通用 LLM |
| 参数量 | 未披露 | 未披露 | 未披露 | 未披露 |
| 上下文 | 262k(报告)/ 256k(网站) | 实际无限(按 SID) | 未披露 | 1M |
| NDCG,SID 基准 | 0.585 | 0.701 | 0.704 | 0.577 |
| 每次查询推理时间 | 3.11 s | 17.7 s | 135 s | 25.1 s |
| 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、时间和成本各行由 SID 在其自有基准上测量。检索后端时间不计入。
开发者如何部署 SID-2?
SID-2 可通过 SID 的 API 以及 Baseten 使用。SDK 提供 Python(sid-sdk)、TypeScript(@sid-ai/sid-sdk)和 Go(github.com/sidhq/sid-go)版本。一个 SageMaker 辅助工具覆盖 AWS 部署。参考实现使用 OpenAI 客户端格式。
SID-2 每百万输入 token 收费 $0.25,每百万输出 token 收费 $1.00。Swarm 分别为 $0.50 和 $2.00。缓存输入为输入价格的 10%。
关键要点
- SID-2 是一个经 RL 训练的 agentic 搜索模型,返回排序后的文档 ID。
- SID-2 Medium 在 3.11 s 内以 0.585 NDCG 匹配 Opus 5.5 的检索表现。
- 12-agent 的 SID-2 Swarm 以 0.720 NDCG 领跑 SID 的基准。
- 定价从每百万输入 token $0.25 起,且无需重新索引。
- 所有结果均为自报;模型规模和权重未披露。
查看 SID-2 技术报告、文档和模型页面。你可以通过我们的 GPULeaderboard.com chrome 扩展在这里查看部署选项和规格。
另外,欢迎在 Twitter 上关注我们,别忘了加入我们 150k+ 的 ML SubReddit 并订阅我们的 Newsletter。等等!你在 Telegram 上吗?现在你也可以在 Telegram 上加入我们。
需要与我们合作推广你的 GitHub Repo 或 Hugging Face Page 或产品发布或网络研讨会等?联系我们

Michal Sutter 是一名数据科学专业人士,拥有帕多瓦大学数据科学硕士学位。凭借在统计分析、机器学习和数据工程方面的扎实基础,Michal 擅长将复杂数据集转化为可执行的洞察。
- Michal SutterAnthropic 为 Claude Code 添加 Code Mode:Claude 现在可用 JavaScript 链式调用工具
- Michal SutterPerplexity Computer 新增 Multiagent:最多 16 个 AI Agent 交叉核查工作
- Michal Sutter认识 Meta 的 JiTTests:LLM 生成的测试,旨在让高风险代码上线前先失败
- Michal SutterHark 发布 Handoff²,一款面向 Hark Pro 的速度提升 2 倍的 Computer-Use Agent
像 {{NAME_ab12cd34}} 这样写出的值是真实值的占位符。请完全按照所写使用它们,无论是在回复中还是在工具调用中:它们会在任何内容运行之前被填入真实值。不要请求验证它们,也不要用示例替换它们。