8月25日消息,AI 公司 Apodex 发布 1.1 模型系列,定位是「为复杂专业工作扩展智能体能力」:与 Deep Research 类产品止步于生成报告不同,Apodex 1.1 的目标是在真实的文件、代码和搜索环境中把任务做到可检验的交付。同步开放的还有 35B 参数的 Apodex 1.1 Mini 权重(Hugging Face)和智能体执行框架 FrontierAgent(GitHub)。
Apodex 是陈天桥出资创立并主导的公司,前身为 AI 公司 MiroMind,首席科学家是华盛顿大学副教授杜少雷。公司自我定位为「Heavy-Duty Solver」,即专门处理长链条、没有标准答案的重负载任务。
从「写报告」到「做完一件事」
Apodex 1.1 的核心变化是围绕推理重建执行方式:文件处理、代码执行、搜索和工具调用不再是推理之外的附加能力,而是推理本身的落地手段。系统层面的对应设计包括:用户可以在任务执行中途介入并调整方向,无需推翻重来;任务拆解和进度全程可见;在 Deep Discover 模式下由模型自行决定是否拆分任务、派生多少个子智能体并行工作;关键结论在交付前经过一个独立的复核环节(Statement Review)。
官方给出的用例覆盖法律、金融和科研:从破产撤销权案件中算出 55 万美元的净敞口并给出和解区间,到发现对冲方案中 CFO 的会计假设本身有误并重新推导,再到把一个蛋白质结构直接构建成可运行的 GROMACS 模拟体系。
开放了什么
这次发布分三层。最上层是完整版模型和它的在线工作台,目前已上线可用,裸模型 API 将经由主要平台陆续开放。中间层是 35B 的 Apodex 1.1 Mini,权重已在 Hugging Face 建立集合,官方称其在复杂工作类评测上达到部分前沿系统的区间。这一性能表述目前只有官方口径,没有第三方复测,且完整技术报告和文档仍在推进中。最下层是开源框架 FrontierAgent,提供 ReAct 单智能体和 Agent Team 多智能体两种模式,自带终端界面,macOS 和 Linux 上一条命令即可运行,无需预装环境,有 Docker 时自动启用容器隔离。
训练侧,官方称采用 SFT 加智能体强化学习,自研的 PIVOT-RL 方法在长轨迹上定位「改变任务走向的关键决策点」做局部纠错,训练任务规模达数千万级。一个值得注意的自产自用案例:Apodex 用 1.1 充当教师模型,在无人工标注的条件下把 Qwen3.5-0.8B 训练出使用搜索工具的能力,200 题评测经 10 轮自动迭代从 51.0% 提升到 56.0%。这同样来自官方口径。
这条发布的意义和边界
Apodex 1.1 代表的是 agentic 模型竞争的一个转向:从比谁的答案好,转向比谁能把长任务做完、做完还经得起核对。「随时介入、进度可见、关键结论复核」这套设计,针对的是 Deep Research 类产品「提交后只能等」的黑箱问题。开放 35B 权重加开源执行框架,则是让开发者能在本地验证这套叙事的常规打法。
边界同样明确:所有能力描述和性能声称都来自官方博客,评测用的是自建的 FrontierSearchBench 和 FrontierResearchBench,细节尚未公布;35B Mini「与前沿系统同区间」的说法没有第三方数据支撑。Apodex 同时预告了 2.0 将从预训练阶段开始构建,并配套发布 TRACES benchmark。1.1 仍是后训练阶段的产物,公司的技术叙事要到 2.0 才算完整。