C’è un limite intrinseco nell’addestrare agenti capaci di usare strumenti web: o si clonano le traiettorie di un modello insegnante fisso, oppure si aspetta un reward rado da rinforzo, con poca supervisione. DeepSearch-Evolve aggira il problema con l’auto-distillazione in un ambiente verificabile, e il risultato è un agente da 9 miliardi di parametri competitivo senza mai aver chiesto aiuto a modelli più grandi.

Il cuore del progetto è DeepSearch-World, un ambiente deterministico e riproducibile con 420mila compiti di question-answering multi-hop, costruiti tramite cammini casuali su entità. Ogni interazione lascia tracce verificabili: il sistema può controllare se la risposta è corretta, se le pagine sono state lette davvero, se il ragionamento regge. Non è un semplice benchmark, ma un terreno di gioco pensato per l’auto-miglioramento, dove l’agente genera traiettorie, le filtra, mescola dati e si sottopone a fine-tuning iterativo. Ed è qui che DeepSearch-Evolve mostra il suo potenziale: senza distillazione da modelli più capaci, l’agente DeepSearch-World-9B raggiunge il 31,2% su BrowseComp, il 61,5% su GAIA e il 93,4% su HotpotQA, numeri che lo mettono alla pari con i migliori agenti open-source.

La portata vera di questo lavoro va oltre i benchmark. Chi gestisce dati sensibili – banche, sanità, pubblica amministrazione – sa bene che mandare query a un LLM esterno significa esporre informazioni critiche. L’approccio di DeepSearch apre una strada diversa: un ciclo di miglioramento continuo che gira interamente su infrastruttura propria, in un ambiente dove ogni passo è tracciabile. Non serve un modello insegnante gigante, né l’invio di prompt a server di terze parti. L’auto-distillazione, inoltre, riduce la dipendenza dai fornitori di modelli, un fattore chiave quando si valutano i costi totali di possesso e la sovranità dei dati.

Certo, un modello da 9 miliardi di parametri non è un nano-modello: per l’inference in tempo reale servono GPU con VRAM adeguata, e per l’intero loop di training iterativo occorre una pianificazione hardware attenta. Ma è una taglia che permette il deployment on-premise con un investimento ragionevole, ben lontano dai cluster necessari per i giganti da centinaia di miliardi. Per le organizzazioni che già valutano stack Self-hosted, questo framework dimostra che l’evoluzione autonoma non è un miraggio: si può costruire un agente di ricerca che impara dai propri errori, senza mai uscire dal perimetro aziendale.

DeepSearch segnala un cambiamento strutturale nel panorama degli agenti web: si passa dalla dipendenza da pochi modelli centralizzati a un ecosistema in cui l’addestramento si frammenta e si personalizza. Il rilascio completo – codice, dataset, modello e validation set – punta ad accelerare la ricerca su agenti che si auto-migliorano. Nel frattempo, per chi progetta architetture on-premise, il messaggio è chiaro: la verificabilità e il self-training sono leve concrete per tenere insieme performance, controllo e conformità normativa.