Skip to Content Facebook Feature Image

超衍智能發佈首個35B 模型 Apex-35B-V1.0,以遞歸自我改進推動 AI 與科學研究

商業事

超衍智能發佈首個35B 模型 Apex-35B-V1.0,以遞歸自我改進推動 AI 與科學研究
商業事

商業事

超衍智能發佈首個35B 模型 Apex-35B-V1.0,以遞歸自我改進推動 AI 與科學研究

2026年10月29日 21:05 最後更新:22:51

一款在同量級模型中處於領先的通用模型,以遞歸自我改進構建,旨在推動 AI 與科學發現。

北京2026年10月29日 /美通社/ -- 超衍智能(Apex Intelligence)發佈了其首款模型 Apex-35B-V1.0。這款 35B 通用模型以 Qwen3.6-35B-A3B 為基礎,經過中訓練和後訓練進一步優化,模型開發過程中融入了大量自有數據集和研究軌跡。在參與評測的同量級模型中,Apex-35B-V1.0 的研發能力處於領先水平,同時保持了出色的通用能力;在部分基準測試中,其表現也可與更大尺寸規模的模型競爭。

模型構建過程中,AI 自主參與了數據構造、實驗設計、代碼執行、訓練結果分析和訓練優化等環節。在實際應用中,Apex-35B-V1.0 既能完成 Coding、Agent、問答和深度搜索等常規任務,也能完成計算閉環的研究任務,如 AI 研究、計算科學、機器人仿真等,是一款兼具通用能力與研究能力的模型。

Apex-35B-V1.0 既是遞歸自我改進的成果,也將成為繼續推動 AI 與科學研究的工具。

基準評測

在 21 項基準測試中,Apex-35B-V1.0 相比同量級的 Qwen3.6-35B-A3B 取得 20 項領先;相比 Recursive Flint(40B)取得 18 項領先、1 項持平。除了研究任務表現突出,它在智能體任務、編程和推理方面也展現出廣泛的競爭力,並在部分基準測試中超過更大規模的模型。這些結果表明,該模型在35B 規模下兼具突出的研究能力和廣泛的通用能力。更多詳情見技術博客。

Tech Blog:https://www.apexin.com/apex-35b/

通過遞歸自我改進構建

超衍智能(Apex Intelligence)的自進化 AI 研究系統 Apex Research能夠持續識別模型弱點、提出假設、開展實驗,並將研究發現轉化為可衡量的模型改進。

從自進化訓練數據和自動化實驗,到訓練方案、GPU 內核及推理優化,Apex Research 參與了 Apex-35B-V1.0 的整個開發過程。

自進化數據。 Apex Research 識別模型弱點,並自動生成有針對性的訓練數據。例如,當評測發現模型在計算流體力學(CFD)任務中出現失誤時,系統分析了背後的推理缺口,合成並驗證新的科學訓練樣例,再將其納入後續訓練。這套自進化數據流程使模型在內部 CFD-Bench 上的成績提高了 32.1 分。

自動化實驗。 Apex Research 分析評測結果和智能體運行軌跡,發現系統性的失敗模式,並優化訓練策略。例如,它發現過長的推理上下文和失衡的數據配比會降低智能體表現。隨後,系統探索了不同的序列長度分佈、長短軌跡採樣比例,以及考慮 token 數量的批次組成,找到更有效的訓練配置,提高了智能體的可靠性和訓練效率。

訓練與推理基礎設施。 Apex Research 將自動化優化擴展到底層計算系統,探索更高效的 GPU 內核、負載均衡、通信策略和執行調度。在訓練側,它優化 GPU 負載均衡、通信與計算重疊、動態批處理,以及考慮 token 數量的工作負載分配,以減少同步開銷、縮短 GPU 空閒時間、提高硬件利用率,使訓練吞吐量提升 45%–60%。在推理側,它優化注意力內核、KV 緩存管理,以及預填充和解碼階段的執行方式;在可比工作負載下,實現解碼速度提升至 1.6–1.8 倍,首 token 響應時間降低 30%–35%。

這些改進貫穿數據、訓練和基礎設施,並逐步累積為一個持續反饋的研究循環:每一輪研究的成果,都為下一輪改進提供基礎。

使用方式

Apex-35B-V1.0 的模型權重已在 Hugging Face 提供。配套代碼、部署指南和使用示例已在 GitHub 提供。開發者可以下載並運行該模型,將其用於 AI 開發、科學計算及其他研究任務。模型版本、硬件要求、支持的推理框架和許可信息詳見項目頁面。

GitHub:https://github.com/apexin-ai/Apex-35B-V1.0

Hugging Face:https://huggingface.co/Apexintelligence-AI/Apex-35B-V1.0

關於超衍智能(Apex Intelligence)

超衍智能由清華大學人工智能學院助理教授陳勇超創立,目標是構建下一代自進化基礎大模型。這裡的「自進化」指遞歸自我改進(Recursive Self-Improvement,RSI):讓 AI 參與研究、實驗與驗證,並將成果用於改進模型自身。

超衍智能希望推動 AI 從輔助工具成為共同研究者,從加速已知走向發現未知。公司的長期願景是讓模型具備相當於並逐步超過10 萬名覆蓋不同學科的頂尖 AI Scientist 的整體科研能力,持續參與科學研究與發現。

繼 Apex-35B-V1.0 模型之後,超衍智能計劃推出更大量級的自進化基礎大模型,新模型將繼續提升 AI 研發能力,並拓展至芯片、量子計算等科學研究領域。更多模型能力、評測結果與開放方式,敬請期待。

超衍智能發佈首個35B 模型 Apex-35B-V1.0,以遞歸自我改進推動 AI 與科學研究

超衍智能發佈首個35B 模型 Apex-35B-V1.0,以遞歸自我改進推動 AI 與科學研究

** 本新聞稿由 PR Newswire 通過自動發布系统提供,內容由客戶承擔全部責任。**

- 從洞察到落地:本次合作助力企業打通分散的營銷數據與分析工具及AI(含Gemini Enterprise),更快做出基於數據的決策並落地執行。

香港2026年10月30日 /美通社/ -- Master Concept 已與AI驅動型營銷智能平台Supermetrics達成合作,共同助力企業在分析、廣告及AI環境中歸集、分析和激活營銷數據。

營銷數據通常分散在Google Analytics 4 (GA4)、Google Ads、Meta、客戶關係管理系統及其他業務應用等多個平台。整合這些數據往往需要大量人工操作,導致團隊難以掌握統一的績效全貌,也無法及時將分析洞察轉化為行動。

Supermetrics可將營銷數據與企業已在使用的報表、分析、數據及AI工具對接起來,從而簡化上述流程。依托本次合作,Master Concept將幫助客戶在企業內部更便捷地獲取營銷智能,更高效地實現從洞察到落地。

本次合作也為營銷數據對接企業AI開闢了新路徑。Supermetrics for Gemini Enterprise支持企業將GA4、廣告平台及其他營銷來源的數據接入Gemini Enterprise,用戶可在該平台內查看績效、研判趨勢,並使用自然語言查詢營銷活動相關數據。

Master Concept聯合創始人兼首席執行官Derek Chan表示:「企業AI只有對接企業日常依托的數據,才能釋放更大價值。我們與Supermetrics合作,幫助客戶打通營銷數據、AI與業務執行鏈路,更加輕鬆地把信息轉化為能夠創造實際成效的決策。」

作為此次合作的一部分,客戶可通過Master Concept獲取Supermetrics專屬30天免費試用權限,方便團隊使用自身營銷數據來體驗該平台。

有關Supermetrics及30天免費試用的詳情,請點擊此處。

關於Master Concept

Master Concept是企業AI合作服務商,致力於幫助企業將技術轉化為可量化的業務價值。該公司在亞洲擁有逾20年的行業經驗,提供與企業AI及雲服務、網絡安全及AI治理、數字化辦公、數據與客戶體驗、地理空間智能相關的諮詢、實施及配套服務。

關於Supermetrics

Supermetrics是營銷智能平台,助力用戶高效開展營銷工作。平台借助優質工具實現搭建、激活、自動化管理與效果衡量,提供可靠結論,輔助用戶制定正確決策、落實行動,推動業務增長。

Master Concept攜手Supermetrics將營銷智能引入企業AI

Master Concept攜手Supermetrics將營銷智能引入企業AI

** 本新聞稿由 PR Newswire 通過自動發布系统提供,內容由客戶承擔全部責任。**

你 或 有 興 趣 的 文 章