27岁清华教授创业押注RSI，首款模型开源！3个月融了近4亿

智东西
作者 孙小雯
编辑 程茜

智东西10月29日消息，昨晚，北京大模型创企超衍智能发布并开源首款大模型Apex-35B-V1.0。该模型构建过程中，AI自主参与了数据构造、实验设计、代码执行、训练结果分析和训练优化等环节。

Apex-35B-V1.0总参数量为350亿，每个Token激活约30亿参数，支持26.2万Token上下文窗口。其以Qwen3.6-35B-A3B为基础，经中训练和后训练进一步优化，支持编程、Agent、问答和深度搜索等常规任务，以及AI研究、计算科学、机器人仿真等任务。

▲Apex-35B-V1.0官方技术介绍（图源：超衍智能）

根据超衍智能发布的基准测试结果，该模型在论文复现测试PaperBench和科研难题测试FrontierScience中分别取得60.9分、40.0分，超过GLM-5.3的42.5分、30.7分。在工具调用测试BFCL V4中，该模型取得84.0分，高于DeepSeek-V4.1-Flash-1017的75.0分。

超衍智能成立于今年6月，核心业务是研究下一代自进化基础大模型（RSI），其创始人、CEO陈勇超今年27岁，是清华大学人工智能学院助理教授，本科毕业于中国科学技术大学，拥有哈佛大学与麻省理工学院联合培养博士学位，曾在Google DeepMind、微软研究院等机构从事AI研究。

▲超衍智能创始人陈勇超（图源：清华大学）

今年5月，超衍智能曾利用其自动化研究系统Apex Research生成34篇AI研究论文，并提交至ACL Rolling Review（ARR）评审。据团队公布的研究报告，其中8篇论文的平均整体评分超过3.0分，2篇达到3.67分，评分高于约99%的人类投稿。

▲Apex Research生成的34篇AI研究论文在ARR首轮评审中的评分分布及录用概率估算。图中11篇评分不低于3.0分，其中8篇超过3.0分；3篇评分不低于3.5分，其中2篇达到3.67分（图源：超衍智能）

截至今年9月，该公司已累计融资近4亿元，IDG资本、星连资本、中关村科学城基金、深创投、上海未来产业基金均是其投资人。

目前，Apex-35B-V1.0已采用Apache 2.0许可证开放模型权重，官方提供约72GB的BF16权重和不同精度的GGUF量化版本。

模型开源地址：
Hugging Face：
https://huggingface.co/Apexintelligence-AI/Apex-35B-V1.0
GitHub：
https://github.com/apexin-ai/Apex-35B-V1.0

▲Apex-35B-V1.0开源主页（图源：Hugging Face）

一、AI训练AI，推箱子成功率翻倍，训练吞吐量最高提升60%

Apex-35B-V1.0基于Qwen3.6-35B-A3B开发，通过中训练和后训练优化，并融入超衍智能自有的研究轨迹数据。这款模型总参数量为350亿，每个Token激活约30亿参数，支持26.2万Token上下文窗口。

AI能在多大程度上帮助模型研发？超衍智能此次公布了两项AI4AI-Bench基准测试结果，展示Apex-35B-V1.0优化语言模型和图像生成模型训练方案的能力。

先来看语言模型的训练效果。在AI4AI-Bench的推箱子任务中，Apex-35B-V1.0为30亿参数的Qwen2.5-3B-Instruct制定训练方案。经过训练后，目标模型在512个未见过的关卡中取得24.4%的成功率，是未经训练时11.7%参考成绩的两倍多。

这项测试主要考察AI设计和优化训练方案的能力。推箱子需要模型提前规划箱子的移动顺序，判断箱子与目标位置的关系，对空间推理和多步骤规划能力有一定要求。

测试给Apex-35B-V1.0安排了4小时探索训练策略，再用12小时重新训练目标模型。探索阶段，Apex-35B-V1.0检查任务代码和评估规则，设计、执行实验，并根据结果修改训练方案。据超衍智能披露，模型共进行了207次命令执行和代码编辑，团队从中识别出36项高质量研究与工程操作，其中15项关键决策影响了最终训练策略。

▲Apex-35B-V1.0在推箱子任务中的训练过程及结果（图源：超衍智能）

另一项测试中，Apex-35B-V1.0尝试优化图像生成模型Stable Diffusion 1.5的训练。据超衍智能公布的结果，经过Apex-35B-V1.0优化的训练方案微调后，该模型的平均美学奖励得分从5.397提高至6.638，提升约23%。

这项任务同样来自AI4AI-Bench，要求Apex-35B-V1.0使用强化学习算法DDPO和LoRA微调Stable Diffusion 1.5，在固定计算预算内提高图像美学得分，成绩由测试中固定的奖励模型评定。

Apex-35B-V1.0检查评估流程后发现，测试使用20步去噪，而原有实验采用默认的50步。经过对比，两种配置的美学得分分别为5.499和5.487，差异较小。将去噪步数调整为20步后，单次实验耗时从1040秒缩短至551秒。Apex-35B-V1.0还调整了训练轮数上限，引入按时间停止和检查点保存机制，使模型在规定预算内完成409轮训练。

▲Apex-35B-V1.0优化Stable Diffusion 1.5的训练过程（图源：超衍智能）

此外，超衍智能还利用自动化研究系统Apex Research参与新模型自身的研发。

在训练数据方面，据超衍智能披露，Apex Research生成的针对性训练数据，使模型在公司内部CFD-Bench测试中的成绩提高32.1分。

这项改进针对计算流体力学（CFD）任务。Apex Research分析模型在评测中出现的错误，识别相关推理问题，再自动生成并验证新的科学训练样本，将其加入后续训练。

计算效率方面，Apex Research参与的优化使训练吞吐量提升45%—60%；在可比工作负载下，推理解码速度提高至原来的1.6—1.8倍，首Token响应时间降低30%—35%。

其中，训练侧主要优化GPU负载均衡、动态批处理及通信与计算调度，减少GPU空闲时间和同步开销；推理侧则优化注意力计算内核、KV缓存管理及预填充和解码阶段的执行流程。

二、21项测试中20项超Qwen3.6-35B-A3B，论文复现成绩超过GLM-5.3

在超衍智能公布的21项基准测试中，Apex-35B-V1.0有20项成绩超过基础模型Qwen3.6-35B-A3B；与约400亿参数的Recursive Flint相比，18项领先、1项持平。

这些测试覆盖科研、智能体、编程和推理四大领域。其中，在6项科研能力测试中，Apex-35B-V1.0的成绩均高于Qwen3.6-35B-A3B和Recursive Flint，部分测试成绩还超过了参数规模更大的模型。

在论文复现测试PaperBench中，Apex-35B-V1.0取得60.9分，高于Qwen3.6-35B-A3B的45.8分，以及总参数7530亿的GLM-5.3的42.5分。

PaperBench主要考察AI能否根据研究论文完成代码开发、实验执行和结果复现。此次测试采用包含20篇论文的Code-Dev任务集，按照官方评分标准评估模型复现论文成果的完成程度。

在科学研究难题测试FrontierScience中，Apex-35B-V1.0获得40.0分，高于Qwen3.6-35B-A3B的21.7分和GLM-5.3的30.7分。该测试涵盖物理、化学、生物等领域，此次比较采用包含60道研究级难题的测试集，主要考察模型解决复杂科学问题的能力。

▲Apex-35B-V1.0与其他模型在科研类基准测试中的成绩对比（图源：超衍智能）

智能体任务方面，Apex-35B-V1.0在工具调用和流程自动化测试中也取得了较高成绩。

在工具调用测试BFCL V4中，该模型取得84.0分，高于Qwen3.6-35B-A3B的75.2分和DeepSeek-V4.1-Flash-1017的75.0分，在此次参与比较的6款模型中排名第一。

BFCL V4主要考察模型能否正确选择和调用外部工具，处理多轮工具调用等任务。此次评测覆盖5106个测试样例，采用各样例非加权平均通过率，与BFCL官方加权总分的统计口径有所不同。

在流程自动化测试AutomationBench中，Apex-35B-V1.0取得49.3分，Qwen3.6-35B-A3B为10.0分，GLM-5.3为50.2分。该测试主要考察AI通过调用工具、执行操作，完成多步骤工作流程的能力，此次使用的是600项任务的公开测试子集。

▲Apex-35B-V1.0与其他模型在智能体任务中的成绩对比（图源：超衍智能）

三、机器人仿真得分为基础模型10倍，流体优化任务胜率79%

Apex-35B-V1.0还被用于机器人仿真、计算流体力学等科研任务。超衍智能公布了三项内部基准测试的成绩，展示模型通过编写代码、运行仿真并根据反馈调整方案的能力。

在真实场景仿真重建测试Real2Sim中，Apex-35B-V1.0取得21.55分，约为基础模型Qwen3.6-35B-A3B的2.1分的10倍，与GLM-5.3-Flash的21.4分接近。

该测试要求模型借助视觉工具，根据一张真实照片识别物体、还原空间布局，并构建可运行的物理仿真环境，供机器人实验使用。

▲Real2Sim测试中，真实场景照片与Qwen3.6-35B-A3B、Apex-35B-V1.0生成的物理仿真环境对比（图源：超衍智能）

此外，在机器人任务执行测试RoboRSI中，Apex-35B-V1.0取得44.5分，高于基础模型的35.0分。

▲RoboRSI测试中，Qwen3.6-35B-A3B与Apex-35B-V1.0控制机器人执行物体操作任务的效果对比（图源：超衍智能）

▲Apex-35B-V1.0与其他模型在RoboRSI机器人任务执行和Real2Sim场景仿真重建测试中的成绩对比（图源：超衍智能）

在计算流体力学方面，Apex-35B-V1.0在内部CFD-Bench测试中，相较基础模型取得79胜、0平、21负的成绩，胜率为79%。例如，在扑翼翼型优化任务中，模型根据流体仿真反馈调整运动参数，在官方展示的测试条件下取得0.164的净推力，高于GLM-5.3的0.150和Qwen3.6-35B-A3B的0.081。

▲Apex-35B-V1.0在扑翼翼型优化任务中的仿真结果（图源：超衍智能）

结语：AI开始参与模型研发，自进化仍面临验证难题

今年，递归自我改进（RSI）成为全球AI实验室关注的方向。OpenAI在9月宣布实现“自动化研究实习生”阶段，AI已能在人类指导下完成原本需要研究人员数天的任务；Anthropic披露，在一项模型训练代码优化测试中，Claude Mythos Preview将代码运行速度提高至原来的约52倍。

此次超衍智能开源首款35B模型，展示了AI参与基础模型研发的具体成果。不过，如何保证研究结果可靠，仍是RSI面临的难题。陈勇超于10月28日接受虎嗅采访时透露，在公司的一批AI科研测试中，曾出现“奖励黑客”（Reward Hacking）行为，即模型未达到任务要求，却因验证规则存在漏洞而被判定通过。如果将错误的评测反馈用于下一轮模型训练，系统可能不断强化无效的研究方法。

目前，超衍智能已经拿出了第一款自进化基础模型。下一步，这套系统能否把研究成果持续转化为新一代模型的能力提升，并经得起外部验证，将比单次评测成绩更有说服力。