Apex Intelligence 的第一个模型：在 Qwen3.6-35B-A3B 上用自有数据和研究轨迹继续训练，面向写代码、调工具、深度搜索，以及流体力学、机器人仿真这类要“写程序、跑起来、看结果再改”的科研任务；每一轮自己决定要不要思考、想多久，不用手动切模式。官方称开发中用自家的自动研究系统 Apex Research 造训练数据、试训练配方、优化内核。10 月 28 日发布，近 7 期没有收录。
上升分 53 · 点赞 58 · 下载量 1219
理由
- 官方称比底座 Qwen3.6-35B-A3B 提升最大的是智能体和科研项：BrowseComp 69.4（底座 42.1）、AutomationBench 49.3（10.0）、SciCode 主问题 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 是表中所有模型里最高的。
- 部署说明写得细：SGLang、vLLM、TokenSpeed、KTransformers、Transformers、llama.cpp 的启动命令都有，连驱动版本、各框架解析器名字不同这类坑都写了；官方推荐配 Claude Code（v2.1.280）当代理框架。
- 量化齐全：另有 GGUF 仓库，BF16 加 28 种量化，Q4_K_M 21.7 GB，最小的 IQ1_S 9.0 GB。
用法
- 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 约 72 GB，141 GB 以上单卡能跑满上下文，H100 NVL 要 2 卡，A100 40GB 要 4 卡。
- 本地：下载 Apexintelligence-AI/Apex-35B-V1.0-GGUF 的 Q4_K_M，llama-server -m Apex-35B-V1.0-Q4_K_M.gguf --jinja -ngl 99 -c 32768；必须加 --jinja 用自带的聊天模板，不要换成 Qwen3.6 的模板。
- 采样 temperature 1.0、top_p 0.95、top_k 20、max_tokens 65536（含思考）；多轮和工具调用时把完整的 assistant 消息原样传回，并在 chat_template_kwargs 里设 preserve_thinking=True。
风险
- 成绩全是官方自测，其中 RoboRSI、Real2Sim、CFD-Bench 是内部基准；“递归自我改进”是官方说法，卡里没有给方法细节，训练数据不公开。
- 同一张表里大得多的 GLM-5.3、GLM-5.3-Flash、DeepSeek-V4.1-Flash-1017 在多数项上仍明显更高，比如 Terminal-Bench 2.1 是 89.9 / 84.3 / 90.6；LiveCodeBench v6 82.3 还略低于底座的 84.5。
- 只支持文本输入输出；新公司的第一个模型，后续维护情况未知。