币须知道据 1M AI News 监测，开源向量数据库 Chroma 发布 Context-1，一个 200 亿参数的智能体搜索模型，专门用于多轮检索任务。模型权重以 Apache 2.0 协议开源，合成数据生成管线代码同步公开。
Context-1 的定位是检索子代理（retrieval subagent）：它不直接回答问题，而是通过多轮搜索为下游推理模型返回一组支撑文档。核心技术是「自编辑上下文」（self-editing context），即模型在搜索过程中主动丢弃不相关的文档片段，在有限的上下文窗口内为后续搜索腾出空间，避免上下文膨胀导致的性能退化。
训练分两阶段：先用 Kimi K2.5 等大模型生成 SFT 轨迹做监督微调热身，再通过强化学习（基于 CISPO 算法）在 8000 多个合成任务上训练。奖励设计采用课程机制，早期重召回鼓励广泛探索，后期逐步转向精确度鼓励选择性保留。基座模型为 gpt-oss-20b，使用 LoRA 适配，推理时以 MXFP4 量化在 B200 上运行，吞吐量达 400-500 token/s。
在 Chroma 自建的四个领域基准（网页、金融、法律、邮件）和公开基准（BrowseComp-Plus、SealQA、FRAMES、HotpotQA）上，Context-1 的 4 路并行版本在「最终答案命中率」指标上与 GPT-5.2、Opus 4.5、Sonnet 4.5 等前沿模型持平或接近，例如在 BrowseComp-Plus 上达到 0.96（Opus 4.5 为 0.87，GPT-5.2 为 0.82），而成本和延迟仅为后者的几分之一。值得注意的是，该模型仅在网页、法律和金融数据上训练，但在未参与训练的邮件领域同样表现出显著提升，显示搜索能力的跨领域迁移性。
