Apodex 1.1 解析:可核查的 Agentic 任务执行
Apodex 1.1 是 2026 年 8 月 24 日发布的新一代 Agentic 工作模型与执行系统,其定位不是生成深度研究报告,而是将推理落实到真实任务中,包括读取文件、检索资料、运行代码、维护状态、失败恢复并交付可核查的结果。官方将这一能力称为 working capability,即工作能力,指对真实目标进行持续、可验证的推进。公司将其定位为 Self-Evolving Heavy-Duty Solver,即自进化重型求解器,名称源自希腊语 apodeixis(严格证明)与 ex(执行)。产品线分为三层:Deep Research 负责综合已知信息,Deep Solve 负责更深推理与取舍,Deep Discover 面向多路径探索与验证,侧重前沿难题。1.1 版本的重点是后两者,强调真正完成任务而非仅输出报告。
普通大语言模型具备推理与综合能力,但复杂工作还需要长期处理文件、检索源和可执行代码,维护任务状态,失败后恢复,并交付可核对的结果。1.1 通过两条互补路径训练实现这一目标。其一是环境扩展,即扩大可执行环境,包括文件、搜索和代码,使环境本身可验证;其二是智能体协调扩展,训练模型拆解长程任务、并行委派、异步汇总和重新规划。底层采用统一的执行底座,由共享工具层和 AgentOS 构成,跨工具和多智能体维护状态与溯源。训练过程将环境轨迹和协作痕迹转化为稳定行为。官方概括为:把推理从报告里拿出来,放进真实任务的执行过程。
产品形态包括三个部分。Apodex 1.1 是闭源主模型加在线工作台,提供完整能力,可上传论文、表格、图像和代码,在长任务中执行搜索、修改文件、运行代码并组建智能体团队。Apodex 1.1 Mini 是 35B 参数的开源权重版本,支持本地部署,具有较高的复杂工作能力密度。FrontierAgent 是开源执行框架,提供原生命令行界面,支持 ReAct 和智能体团队模式,在 macOS 和 Linux 上可通过一条命令安装,对 Docker 依赖不强。主要入口包括工作台
apodex.ai
和 apodex.com,API 平台 platform.apodex.ai,Hugging Face 权重合集,以及 GitHub 上的 FrontierAgent 仓库。相关论文编号为 arXiv 2608.23283。
在工作方式上,系统采用任务板机制,主智能体先对全局问题进行拆解,根据需求动态创建子智能体,而非使用固定角色清单;进度、依赖、产物和异常均显示在任务板上。系统支持异步智能体团队,多个子任务并行探索,中间结果持续回流,无需等待所有分支完成后再汇总,用户可随时介入、调整方向或补充文件。系统实行声明审核机制,将生成与审核分离,关键论断需经独立核对后再提交给用户。系统还强调长程状态维护,计划可修改,失败可修复,已完成的工作可复用,避免失败后全盘重来。适用场景包括专业办公、金融分析、科研数据流水线(如生存分析、XRD、对接、曲线拟合等)、数学、编码和深度搜索,输入通常为 CSV、Excel、PDF 或实验数据,而非单纯的问答文本。
官方公布的成绩显示,主系统在当时的智能体系统中处于第一梯队。专业工作方面,APEX-Agent 得分为 38.5,GDPVal 胜率为 78.8%;金融方面 FrontierFinance 得分为 54.3;科研方面 FrontierScience-Research 得分为 63.3,BioMysteryBench 人类困难级别得分为 35.3。35B Mini 版本更能体现规模效率。使用同一套权重,在 ReAct 模式下,FrontierFinance、FrontierScience-Research 和 APEX-Agents 的得分分别为 40.0、45.0 和 24.2;加入智能体团队后,分别提升至 50.2、51.7 和 27.7,官方称后者接近约 1T 参数的 Kimi K2.6 在 APEX-Agents 上的 27.9 分。另有报道称系统在 SWE-bench Verified 上达到 77.7%,在 Terminal-Bench 2.1 上达到 70.8%。这些数字均来自官方或特定测试环境,与裸模型的对话评分不同。与 1.0 版本相比,1.0 更侧重验证中心的深度检索,在 BrowseComp 等搜索研究榜单上表现突出;1.1 则将重点从搜索后撰写报告扩展到在文件和代码环境中完成任务。Mini 版本在重叠评测上相较 1.0 Mini 也有明显提升。
从定位看,Apodex 1.1 可理解为推理模型、可执行世界、多智能体调度和状态操作系统的结合。其卖点不在于参数规模最大,而在于通过环境扩展和协作训练,使较小模型也能在长任务上进入前沿水平。开源部分(35B Mini 和 FrontierAgent)便于本地复现相同的 ReAct 和智能体团队范式。公开报道常将其与 MiroMind 及盛大陈天桥一侧的发现式智能投入相联系,研究侧有华盛顿大学 Simon Du 等人参与;1.0 权重曾基于 Qwen3.5 系列后训练。1.1 主模型的参数规模官方未像 Mini 版本那样明确标注为 35B。若要上手,可在线工作台上传真实的 PDF、Excel 或需求简报,观察其能否交付可继续修改的产物;本地则可获取 Mini 权重并使用 FrontierAgent。新账号通常提供体验额度,API 发布时也曾开放短期免费试用。
关联工程母题系统与实测说明:
本篇「Apodex 1.1 解析:可核查的 Agentic 任务执行」由 qilai 整理收录于 qilaidav 工程知识库,围绕 智慧投放系统与高转化归因 的生产环境架构设计、链路排障与确定性验证展开沉淀。完整系统模块、部署边界与技术规格请查阅方案主页:→ 查看 智慧投放系统与高转化归因 详情(架构诊断与定制交流:Telegram @BD8888 · hello@qilaidav.com · GitHub @qilaidev)。
免责声明与评测方法:本文所涉开源工具、模型基准与工程配置均基于实测环境与公开技术资料整理,仅供系统架构研发参考,不构成任何商业背书或投资建议。
— qilai · 摘自 Telegram 频道 @AIKB8