一句话看懂：arXiv 新论文提出 DiffResearch，一个把扩散语言模型放进多智能体深度研究每个阶段的开源框架；在固定其他条件下，它报告端到端延迟约为自回归基线的六分之一，值得关注的是“换骨干模型”对研究型 AI 应用效率的影响。
事件核心：发生了什么
根据 2026 年 10 月 22 日 arXiv cs.AI 的论文摘要，DiffResearch 是一个开放的多智能体深度研究框架，核心特点是规划、检索、综合与修订各阶段都围绕扩散语言模型（dLLM）构建。作者在保持智能体脚手架、检索代码、提示词和评测不变的前提下，把骨干模型在开源扩散模型与可比的自回归（AR）模型之间互换。在 100 个 Deep Research Bench 任务上，扩散骨干的端到端速度约为 AR 基线的 6 倍，提速主要来自规划与长文写作环节的数量级缩短。论文还提出 dFast 分解模式，在生成尚未结束时读取中间去噪状态并抽取子查询，单独分解任务的中位加速为 1.99 倍，报告质量未下降；在 RACE 评分标准下，dFast 在三种配置中总分最好。框架以 Apache-2.0 许可证开源。上述结论均来自摘要，全文实验细节尚未核验。
为什么重要
深度研究系统通常要反复规划、找证据、写长文，左到右逐词解码让延迟成为交互体验的硬瓶颈。DiffResearch 的意义不在于宣称扩散模型全面替代自回归，而是提供了一个受控对比：在智能体流程不变时，换掉解码骨干就能显著改变时延结构。对开源生态来说，Apache-2.0 发布降低了复现门槛；对行业而言，它提示“研究型 AI 应用”的竞争可能不只比模型能力，也比推理效率与工程编排。
对用户/开发者/创作者的影响
普通用户目前还无法直接使用该框架，公开信息仅限论文摘要。开发者可以关注它的多智能体脚手架与 dFast 思路：把“分解子查询”提前到生成过程中，可能减少等待时间；但能否接入现有 API、工具链和检索服务，仍需看后续代码与文档。创作者若使用深度研究类产品，延迟下降通常意味着更快的初稿与迭代，但报告质量是否稳定，需要在具体任务上验证，不能把基准分数直接等同于日常体验。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是代码仓库是否放出可运行版本，以及扩散骨干对硬件和算力的实际要求；二是除 Deep Research Bench 外，更多任务和更长报告上的延迟与质量是否同样成立；三是是否有商业深度研究产品跟进扩散解码或类似提前分解策略。目前公开信息显示，这是一项研究框架发布，不是已上线产品公告。
来源：arXiv cs.AI
