6月9日消息,盛大集团创始人陈天桥旗下 AI 公司以 Apodex 品牌发布深度研究智能体系统 Apodex 1.0,其重型部署模式 Apodex-1.0-H 在 BrowseComp(90.3)、DeepSearchQA(94.4)、HLE-Text(60.8)等 7 项基准上全线刷新 SOTA——具体到对手,BrowseComp 超过 GPT-5.5-pro,DeepSearchQA 超过 Claude Opus 4.8 和 Kimi-K2.6,科研类三项基准分别领先 Muse Spark、GPT-5.2 和 Gemini-3.0-Pro 达 8 至 12 个绝对百分点。陈天桥本人在 LinkedIn 亲自宣布了这一发布。 从 MiroMind 到 Apodex
Apodex 并非凭空出现的新玩家。公开资料显示,其前身是陈天桥于 2025 年联合清华大学副教授代季峰创建的 MiroMind,后者此前以 MiroThinker 系列在 BrowseComp、FutureX 等基准上持续刷榜。2026 年 4 月,MiroMind 向海外用户发邮件告知品牌更名为 Apodex,中国境内保留 MiroMind 名称运营。华盛顿大学助理教授 Simon Du 是 Apodex 核心研究负责人,其学术背景集中在深度学习理论和强化学习样本复杂度。
据 Bloomberg 今年 3 月报道,盛大集团对"发现式智能"方向的总投入承诺达 20 亿美元,对 MiroMind 的直接投资已超 1 亿美元。团队超过 60 名科学家,分布在新加坡、东京和西雅图。联合创始人代季峰因海外迁移争议于今年离开。
技术架构:验证者-求解者分离
Apodex 的核心主张是"发现式智能"(Discoverative Intelligence)——可靠性不来自模型的参数记忆,而来自与外部世界的主动交互,以及在提交答案前对这些交互的自我审查。系统名称取自希腊语 apodeixis(论证/证明)。
单独部署时,Apodex 1.0 作为标准 ReAct 工具调用智能体运行。切换到重型模式后,主智能体接收查询并异步派发专门化子智能体,各自拥有独立的上下文、提示和工具集。中间发现汇入共享报告池,当两份报告产生冲突或某条主张需要落地验证时,编排器会将任务交给专门的验证智能体团队——包括冲突审查器、事实核查器和草稿审阅器。探索完成后,全局验证器对完整证据进行推理并输出终稿。单次任务最多可协调 150 个子智能体、执行超过 15,000 步。
一个反直觉的发现:重型模式的实际步数往往少于基础智能体,而非更多。验证器会过滤掉不产生信息增益的步骤,将计算资源集中到推进解决方案的环节。
模型底座为 Qwen3.5,三阶段后训练路径:SFT → Agentic DPO → 长程轨迹 RL。开放权重矩阵包括 35B-A3B(MoE,262K 上下文)、mini 版本和 0.8B/2B/4B 三个蒸馏模型。系统同步开源 AgentOS 运行时(调度、模型/工具路由、事件流、检查点、追踪、成本核算、权限管控)和 AgentHarness 评测套件。
跑分全景:不只是搜索基准
搜索类基准:BrowseComp 90.3(超 GPT-5.5-pro)、BrowseComp-ZH 84.1、DeepSearchQA 94.4(超 Claude Opus 4.8 和 Kimi-K2.6)、HLE-Text 60.8。科研类基准:FrontierScience-Research 46.7(次优 Muse Spark 38.3,领先 8.4 分)、FrontierScience-Olympiad 87.4(次优 GPT-5.2 75.0,领先 12.4 分)、SuperChem 74.2(次优 Gemini-3.0-Pro 63.2,领先 11 分)。 重型模式对基础模型的增幅同样值得关注:BrowseComp 从 75.5 提升至 90.3(+14.8),FrontierScience-Research 从 28.3 提升至 46.7(+18.4)。这意味着智能体团队架构贡献了接近一半的科研基准得分。
小模型表现出乎意料。仅经过深度研究 SFT 数据训练的 Apodex-1.0-4B-SFT,在 BrowseComp 和 BrowseComp-ZH 上击败了所有开源 30B 级别模型——团队据此论证数据构建而非参数规模才是研究能力的关键驱动因素。
通用能力方面,Apodex-1.0-mini 在 MMLU-Pro/Redux、C-Eval、AIME 2026、IFEval、LongBench v2 等基准上与同尺寸 Qwen3.5 基线差距在约 1 分以内。编码能力同步保持:SWE-bench Verified 79.0、Terminal-Bench v2 58.4。
竞品对比的几个注意点
第一,上述所有成绩为团队自报,技术报告于同日发布(apodex.com/pdf/20260608),但第三方独立复现尚未出现。第二,150 个子智能体 × 15,000 步的推理规模,单次查询的计算成本和延迟数据官方未公布。虽然团队声称重型模式步数可能更少,但并行子智能体的总 Token 消耗是另一个维度的成本。第三,BrowseComp 等基准侧重事实检索和信息发现,官方博客展示的两个 Showcase(生命科学实验框架设计、阿迪达斯外汇风险分析)展现了更长链路的推理能力,但这类开放式任务目前缺乏标准化评测方法。
局限性
重型模式的部署门槛不低——35B MoE 加并行子智能体集群对个人开发者和中小团队不友好。系统高度依赖外部搜索和工具调用,网络受限场景下证据图质量会大幅下降。品牌重组带来的团队变动(代季峰离开、MiroMind 组织调整)对后续迭代的影响尚待观察。最后,"验证器本身产生幻觉"这一长尾错误模式的鲁棒性测试数据仍然缺失——系统审计自身的可靠性上限,最终取决于审计者本身的可靠性。