深度研究系统会循环进行计划、收集证据、综合和修订，端到端延迟成为交互使用的关键瓶颈。现有系统几乎全部基于自回归（AR）语言模型，计划和长文写作采用左到右解码。DiffResearch 是一个开源的多代理深度研究框架，在每个阶段都使用扩散语言模型（dLLM）作为核心。我们在保持代理结构、检索代码、提示和评估不变的前提下，分别使用开源扩散模型和可比的 AR 模型作为骨干，比较延迟和报告质量。 在 100 项 Deep Research Bench 任务中，扩散骨干的端到端速度约快 6 倍，主要得益于计划和写作阶段的数量级下降。我们进一步提出 dFast 分解模式，它在生成未完成时读取中间去噪状态并提取子查询，使分解单独加速 1.99 倍且报告质量不受影响。 在 RACE 评分标准下，dFast 在三种配置中取得最高综合得分。 在公开的系统级排行榜快照中，基于更强扩散模型的实例排名超过多家商业系统。DiffResearch 在 Apache-2.0 许可证下发布。
点评