如何从零部署AgentCPM，一键集成DeepResearch能力？

笔者最近在开发一个产业研究分析的 DeepResearch 智能体，正好看到最近 OpenBMB 开源社区刚刚发布了一款仅 4B 参数的智能体大模型 AgentCPM-Explore 和 8B 参数的 Deep Research 模型 AgentCPM-Report。 今天就以这两个小参数开源模型为例，完整记录一下在 AI Max 395 上从模型部署到调用的全流程，也算是给大家提供一个本地算力有限的条件下实现联网搜索问答以及 Deep Research 两个业务场景本地实现的技术方案。 AgentCPM-Explore AgentCPM-Explore 的亮点包括： 首个以 4B 全量参数登上 GAIA、HLE、BrowseComp 等 8 个长程复杂智能体任务榜单的端侧智能体模型。 可实现超过 100 轮的连续环境交互，支持多源信息交叉验证、搜索策略动态调整、实时核验最新信息，持续深度探索直至任务完成。 全流程开源，包括智能体全异步强化学习训练框架 AgentRL、工具沙盒统一管理调度平台 AgentDock、智能体工具学习能力一键测评平台 AgentToLeaP，支持社区共建与自定义扩展。 在 Xbench-DeepResearch 上 AgentCPM-Explore 的表现超越了 OpenAI-o3，Claude-4.5-Sonnet 等闭源大模型，显著超越了不同量级 SOTA 模型的表现趋势线，展现出了更高的能力密度。 AgentCPM-Report OpenBMB 开源社区发布了一款 8B 参数大小的 Deep Research 场景专业模型。实现了比肩顶级闭源系统的报告写作能力。 在 DeepResearch Bench、Deep Consult 以及 DeepResearch Gym 三大主流深度调研评测基准中，AgentCPM-Report 展现了惊人的越级战斗力，综合评分达到甚至超越顶级闭源系统。在最考验深度的洞察性指标上，AgentCPM-Report 力压群雄，排名第一；而在全面性指标上，也仅次于基于 Claude 的复杂写作框架，位居第一梯队。 AI Max+ 395 正好我手上最近刚刚入手了搭载了在 2025 年 CES 上 AMD 发布的最新的 AI Max+ 395（代号 Strix Halo）的旗舰级处理器的 mini 主机 GTR9 Pro。 AI Max+ 395是基于 RDNA 3.5 架构打造的 AMD Radeon 8060S 集成显卡。40 个计算单元，显存带宽高达 256GB/s，性能媲美移动版 RTX 4060 独显。 零刻 GTR9 Pro 搭载了频率高达 8000MT/s 的 128GB LPDDR5X 内存，以及出厂标配 2T 容量的固态硬盘。因为 AI Max+ 395 是统一内存架构（致敬 Apple 的 M 系列芯片？），可以在 BIOS 中将 128G 内存中的 96G 分配给显存。 这么大的显存无疑最适合用来本地跑 AI 项目，那么本篇教程就将向各位介绍如何使用 AI Max 395 在本地运行 AgentCPM + DeepResearch 智能体项目。 安装驱动和 ROCm 如果你是刚刚拿到的新机，建议直接放弃 Windows 系统，改用 Ubuntu 系统。因为目前要运行一些 AI 组件依赖，还是 Linux 系统编译安装更为友好，如果实在需要 Windows 系统，那么也建议在 WSL 环境下部署 AI 项目。 首先第一步，我们需要去官网下载驱动： https://www.amd.com/zh-cn/support/downloads/drivers.html/processors/ryzen-pro/ryzen-ai-max-pro-300-series/amd-ryzen-ai-max-plus-pro-395.html 如图所示，官网目前提供 Win11，Win10 和 Ubuntu 三个系统版本： 我手上这台零刻 AI Max 395 从入手后就直接重置系统删除了自带的 Win11，改成 Ubuntu 24.04 了。因此本篇文章完全是基于 Ubuntu 24.04 来实现的。