@heyshrutimishra: Apodex 1.0 发布，架构确实与众不同。它基于 Qwen3.5 进行后训练，成为一个自我进化的系统：…

X AI KOLs Following 模型
apodex-1.0 post-training self-evolving deep-research agent-orchestration open-weights benchmarks

摘要

Apodex 1.0 是一个基于 Qwen3.5 后训练的自我进化 AI 系统，在 BrowseComp、DeepSearchQA 和 HLE-text 上达到 SOTA。其 4B 迷你模型性能超越 30B 级别模型，并配有 AgentOS 运行时用于任务编排。开放权重可用。

Apodex 1.0 发布，架构确实与众不同。 它基于 Qwen3.5 进行后训练，成为一个自我进化的系统：数学、编程和通用知识保持不变，而深度研究能力随时间不断累积。无灾难性遗忘。这种平衡比听起来更难实现。 重型方面：1.0-H 模型最多可并行运行 150 个子代理，同时探索整个网络。在最终报告汇编之前，一个单独的验证层会对每项声明进行审核。不仅仅是搜索加总结。实际上，管道中内置了冲突解决机制。 数据：BrowseComp 90.3，DeepSearchQA 94.4，HLE-text 60.8。当前在开闭源中均达到 SOTA。 值得关注的是：他们的 4B 迷你模型在 BrowseComp 和 DeepSearchQA 上击败了所有 30B 级别的开源模型。更小、更便宜、研究能力更强。规模化的故事正在悄然改变。 所有这一切的背后是 AgentOS，一个任务无关的运行时，处理调度、路由、检查点和成本核算。工作流逻辑位于其上的插件中，因此添加一个新应用只需一个代码文件夹。 开放权重。如果你正在构建研究管道或思考代理编排应该如何结构化，值得一看。
查看原文
查看缓存全文

缓存时间: 2026/06/17 21:59

Apodex 1.0 正式发布，其架构确实与众不同。

该系统基于 Qwen3.5 进行后训练，形成自进化体系：数学、编程和通用知识保持完整，而深度研究能力会随时间累积增长。不存在灾难性遗忘问题。这种平衡的构建难度远超想象。

重型能力方面：1.0-H 模型可并行运行多达 150 个子代理，同时进行网络探索。独立的验证层在最终报告生成前会审核每项声明。这不仅仅是搜索加摘要——整个流程中内置了实际的冲突解决机制。

数据表现：BrowseComp 90.3，DeepSearchQA 94.4，HLE-text 60.8。目前在开源和闭源模型中都处于领先地位。

值得关注的是：其 4B 迷你模型在 BrowseComp 和 DeepSearchQA 上击败了所有 30B 级别的开源模型。更小、更便宜、研究能力更强。规模化的叙事正在悄然转变。

这一切的底层是 AgentOS，一个任务无关的运行时系统，负责调度、路由、检查点和成本核算。工作流逻辑位于其上的插件中，因此添加新应用只需一个代码文件夹。

权重也已开放。如果你正在构建研究管线，或思考代理编排应该如何真正结构化，值得一看。

Apodex (@Apodex_AI): 立即探索 👇 📝 博客：https://t.co/EsoHMhVkTJ 📄 技术报告：https://t.co/RSqhTB7dXo 💻 GitHub：https://t.co/IbXL6BE1IP 🤗 Hugging Face：https://t.co/3aAE5Z8Th6 💬 Discord：https://t.co/GNxDhYuwmd ⏬ API平台：

相似文章

@Apodex_AI: 深入阅读博客：https://apodex.com/blog/apodex-1.0 技术报告：http://apodex.com/pdf/20260608 GitHub：https://github.com…

X AI KOLs Following

ApodexAI 发布了 Apodex-1.0，这是一个深度研究模型，作为使用工具的 ReAct 代理运行。其重型模式 Apodex-1.0-H 采用异步代理团队，最多包含 150 个子代理，在深度研究基准测试（包括 BrowseComp、DeepSearchQA、HLE 和 FrontierScience）上取得了新的最先进结果，超越了 GPT-5.5-pro 和 Claude-Opus-4.8 等模型。