原题:Apexintelligence-AI/Apex-35B-V1.0
新机构 Apex Intelligence 的第一个模型,基于 Qwen3.6-35B-A3B(总参 35B、每 token 激活约 3B),用自有数据和科研轨迹继续训练,官方建议放在 Claude Code(v2.1.280)里使用。覆盖日常编程、问答、搜索和智能体任务,以及在流体力学、机器人仿真里规划计算、写程序运行、按结果改进方法的科研流程;会自己决定每轮要不要思考、想多久。官方称开发中用了自家自动科研系统 Apex Research 来造薄弱环节的训练数据、调训练配方、优化 GPU 内核和推理。上下文 262,144 token(输入输出共用)。
为什么重要 同尺寸开源模型里少见专门做「写程序跑实验再改方案」的科研流程;每词激活约三十亿,有量化版可本地部署
上升分 26 · 点赞 103 · 下载量 2566
理由
- 官方表格对比基座 Qwen3.6-35B-A3B:SciCode 主问题 62.6 对 37.5、BrowseComp 69.4 对 42.1、BFCL V4 84.0 对 75.2、HLE 47.2 对 36.2;LiveCodeBench v6 82.3 略低于基座的 84.5
- 同表里 GLM5.3、DeepSeek V4.1 Flash 等大得多的模型多数项目仍更高,它的定位是同尺寸里的科研与智能体专长
- GGUF 版提供 BF16 和 28 种量化,最小的 IQ1_S 约 9.0 GB
用法
- hf download Apexintelligence-AI/Apex-35B-V1.0 --local-dir Apex-35B-V1.0(BF16 约 72 GB);量化版见 Apexintelligence-AI/Apex-35B-V1.0-GGUF
- SGLang ≥0.5.22 或 vLLM ≥0.32.0 起 OpenAI 兼容接口,推理和工具调用解析器用 qwen3 / qwen3_coder,可开 MTP 投机解码
- 必须用仓库自带的 chat_template.jinja,不要换成 Qwen3.6 的模板;llama.cpp 要加 --jinja
风险
- 训练数据是自有数据,卡里没写规模和来源;「递归自我改进」只是官方描述,RoboRSI、Real2Sim、CFD-Bench 三项是自家内部基准,无法复核
- 全部分数为官方自测;全上下文的 BF16 需要 141GB 以上单卡或多卡张量并行,旧驱动(570)下 SGLang 和 Transformers 启动有问题。本条未运行