apodex

X（原Twitter）上的一位用户讨论使用AI工具Apodex 1.1分析全球石油价格上涨的原因、预测未来价格趋势，并强调市场不确定性。

TRACES 是 Apodex 推出的新 AI 基准测试，通过关注问题解决过程而非记忆答案来衡量探索性 AI，挑战传统基准。

Apodex发布了开放权重的DeepResearch特调模型Apodex-1.0-mini，基于Qwen3.5-35B-A3B，在BrowseComp达到71.5分，接近旗舰模型，可以在本地高效运行，作者打包了开箱即用的skill。

探讨了在科学发现中验证人工智能生成假设的挑战——当不存在基准真相时如何应对，并介绍了Apodex的多智能体方法，即使用独立的验证智能体作为解决方案。

本文通过AI工具Apodex深度核查了一位投资博主关于CPO股票$SIVE的叙事，发现五条核心声称中四条存在问题，展示了如何利用AI进行投资叙事的事实核查。

Apodex 发布了 Apodex-1.0，一个深度研究模型，它使用一个带有全局验证的重型代理团队，在包括 BrowseComp、DeepSearchQA 和 HLE 在内的多个基准测试中取得了最先进的结果。

作者测试了 Apodex 4B-SFT 和 35B mini 模型，发现 4B-SFT 在多跳搜索任务中超越其他 4B 模型且无幻觉，并指出将答案检查与生成分离的设计理念。

AgentOS 和 Apodex 1.0 引入了一个用于长周期智能体任务的运行时和开放权重模型家族，通过独立验证来防止智能体漂移。该平台包含怀疑性子智能体，并在复杂基准测试中取得了高分。