Mô hình đầu tiên của Apex Intelligence: tiếp tục được huấn luyện trên Qwen3.6-35B-A3B bằng dữ liệu độc quyền và các quỹ đạo nghiên cứu, hướng tới các tác vụ viết mã, gọi công cụ, tìm kiếm sâu, cũng như các nhiệm vụ nghiên cứu khoa học đòi hỏi quy trình “viết chương trình, chạy thử, xem kết quả rồi chỉnh sửa” như cơ học chất lưu và mô phỏng robot; mỗi vòng lặp tự động quyết định có nên suy luận hay không và trong bao lâu, không cần chuyển đổi chế độ thủ công. Nhà phát triển cho biết trong quá trình phát triển, họ đã sử dụng hệ thống nghiên cứu tự động Apex Research của riêng mình để tạo dữ liệu huấn luyện, thử nghiệm các công thức huấn luyện và tối ưu hóa lõi. Ra mắt vào ngày 28 tháng 10, không được đưa vào danh sách trong 7 kỳ gần đây.
Điểm tăng 53 · Lượt thích 58 · Lượt tải 1219
Lý do
- Nhà phát triển tuyên bố rằng sự cải thiện lớn nhất so với mô hình nền Qwen3.6-35B-A3B nằm ở các hạng mục tác nhân và nghiên cứu khoa học: BrowseComp 69.4 (nền 42.1), AutomationBench 49.3 (10.0), SciCode câu hỏi chính 62.6 (37.5), FrontierScience 40.0 (21.7), SWE-bench Pro v2 92.4 (72.4), Terminal-Bench 2.1 65.2 (46.1); BFCL V4 84.0 là cao nhất trong tất cả các mô hình được liệt kê trong bảng.
- Hướng dẫn triển khai rất chi tiết: có sẵn các lệnh khởi chạy cho SGLang, vLLM, TokenSpeed, KTransformers, Transformers, llama.cpp, bao gồm cả các vấn đề như phiên bản driver và tên parser khác nhau giữa các framework; nhà phát triển khuyến nghị sử dụng Claude Code (v2.1.280) làm framework đại lý.
- Hỗ trợ lượng hóa đầy đủ: có thêm kho GGUF, BF16 cộng với 28 loại lượng hóa, Q4_K_M 21.7 GB, phiên bản nhỏ nhất IQ1_S 9.0 GB.
Cách sử dụng
- vLLM ≥ 0.32.0: vllm serve Apexintelligence-AI/Apex-35B-V1.0 --served-model-name Apex-35B-V1.0 --max-model-len 262144 --reasoning-parser qwen3 --enable-auto-tool-choice --tool-call-parser qwen3_coder. BF16 khoảng 72 GB, có thể chạy đầy đủ ngữ cảnh trên một card có dung lượng từ 141 GB trở lên, H100 NVL cần 2 card, A100 40GB cần 4 card.
- Chạy cục bộ: tải xuống Q4_K_M từ kho Apexintelligence-AI/Apex-35B-V1.0-GGUF, llama-server -m Apex-35B-V1.0-Q4_K_M.gguf --jinja -ngl 99 -c 32768; bắt buộc phải thêm --jinja để sử dụng mẫu trò chuyện tích hợp sẵn, không thay thế bằng mẫu của Qwen3.6.
- Lấy mẫu với temperature 1.0, top_p 0.95, top_k 20, max_tokens 65536 (bao gồm cả suy luận); trong các cuộc hội thoại nhiều vòng và khi gọi công cụ, hãy truyền lại nguyên vẹn các tin nhắn của trợ lý và đặt preserve_thinking=True trong chat_template_kwargs.
Rủi ro
- Tất cả điểm số đều do nhà phát triển tự kiểm tra, trong đó RoboRSI, Real2Sim, CFD-Bench là các tiêu chuẩn nội bộ; “tự cải tiến đệ quy” là tuyên bố của nhà phát triển, không có chi tiết về phương pháp, dữ liệu huấn luyện không công khai.
- Trong cùng một bảng, các mô hình lớn hơn nhiều như GLM-5.3, GLM-5.3-Flash, DeepSeek-V4.1-Flash-1017 vẫn cao hơn rõ rệt ở hầu hết các hạng mục, ví dụ Terminal-Bench 2.1 là 89.9 / 84.3 / 90.6; LiveCodeBench v6 82.3 thậm chí còn thấp hơn một chút so với mức 84.5 của mô hình nền.
- Chỉ hỗ trợ đầu vào và đầu ra dạng văn bản; đây là mô hình đầu tiên của một công ty mới, tình trạng bảo trì trong tương lai chưa rõ ràng.