據 1M AI News 監測，開源向量數據庫 Chroma 發布 Context-1，一個 200 億參數的智能體搜索模型，專門用於多輪檢索任務。模型權重以 Apache 2.0 協議開源，合成數據生成管線代碼同步公開。
Context-1 的定位是檢索子代理（retrieval subagent）：它不直接回答問題，而是通過多輪搜索為下游推理模型返回一組支撐文檔。核心技術是「自編輯上下文」（self-editing context），即模型在搜索過程中主動丟棄不相關的文檔片段，在有限的上下文窗口內為後續搜索騰出空間，避免上下文膨脹導致的性能退化。
訓練分兩階段：先用 Kimi K2.5 等大模型生成 SFT 軌跡做監督微調熱身，再通過強化學習（基於 CISPO 算法）在 8000 多個合成任務上訓練。獎勵設計採用課程機制，早期重召回鼓勵廣泛探索，後期逐步轉向精確度鼓勵選擇性保留。基座模型為 gpt-oss-20b，使用 LoRA 適配，推理時以 MXFP4 量化在 B200 上運行，吞吐量達 400-500 token/s。
在 Chroma 自建的四個領域基準（網頁、金融、法律、郵件）和公開基準（BrowseComp-Plus、SealQA、FRAMES、HotpotQA）上，Context-1 的 4 路並行版本在「最終答案命中率」指標上與 GPT-5.2、Opus 4.5、Sonnet 4.5 等前沿模型持平或接近，例如在 BrowseComp-Plus 上達到 0.96（Opus 4.5 為 0.87，GPT-5.2 為 0.82），而成本和延遲僅為後者的幾分之一。值得注意的是，該模型僅在網頁、法律和金融數據上訓練，但在未參與訓練的郵件領域同樣表現出顯著提升，顯示搜索能力的跨領域遷移性。
