27歲清華教授創業押注RSI，首款模型開源！3個月融了近4億

作者 | 孫小雯 編輯 | 程茜 10月29日消息，昨晚，北京大模型創企超衍智能發佈並開源首款大模型Apex-35B-V1.0。該模型構建過程中，AI自主參與了數據構造、實驗設計、代碼執行、訓練結果分析和訓練優化等環節。Apex-35B-V1.0總參數量為350億，每個Token激活約30億參數，支持26.2萬Token上下文窗口。其以Qwen3.6-35B-A3B為基礎，經中訓練和後訓練進一步優化，支持編程、Agent、問答和深度搜索等常規任務，以及AI研究、計算科學、機器人仿真等任務。▲Apex-35B-V1.

0官方技術介紹（圖源：超衍智能） 根據超衍智能發佈的基準測試結果，該模型在論文復現測試PaperBench和科研難題測試FrontierScience中分別取得60.9分、40.0分，超過GLM-5.3的42.5分、30.7分。在工具調用測試BFCL V4中，該模型取得84.0分，高於DeepSeek-V4.1-Flash-1017的75.0分。

超衍智能成立於今年6月，核心業務是研究下一代自進化基礎大模型（RSI），其創始人、CEO陳勇超今年27歲，是清華大學人工智能學院助理教授，本科畢業於中國科學技術大學，擁有哈佛大學與麻省理工學院聯合培養博士學位，曾在Google DeepMind、微軟研究院等機構從事AI研究。▲超衍智能創始人陳勇超（圖源：清華大學） 今年5月，超衍智能曾利用其自動化研究系統Apex Research生成34篇AI研究論文，並提交至ACL Rolling Review（ARR）評審。據團隊公佈的研究報告，其中8篇論文的平均整體評分超過3.0分，2篇達到3.67分，評分高於約99%的人類投稿。

▲Apex Research生成的34篇AI研究論文在ARR首輪評審中的評分分佈及錄用概率估算。圖中11篇評分不低於3.0分，其中8篇超過3.0分；3篇評分不低於3.5分，其中2篇達到3.67分（圖源：超衍智能） 截至今年9月，該公司已累計融資近4億元，IDG資本、星連資本、中關村科學城基金、深創投、上海未來產業基金均是其投資人。目前，Apex-35B-V1.0已採用Apache 2.0許可證開放模型權重，官方提供約72GB的BF16權重和不同精度的GGUF量化版本。模型開源地址： 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開源主頁（圖源：Hugging Face） 一、AI訓練AI，推箱子成功率翻倍，訓練吞吐量最高提升60% Apex-35B-V1.0基於Qwen3.6-35B-A3B開發，通過中訓練和後訓練優化，並融入超衍智能自有的研究軌跡數據。這款模型總參數量為350億，每個Token激活約30億參數，支持26.2萬Token上下文窗口。AI能在多大程度上幫助模型研發？

超衍智能此次公佈了兩項AI4AI-Bench基準測試結果，展示Apex-35B-V1.0優化語言模型和圖像生成模型訓練方案的能力。先來看語言模型的訓練效果。在AI4AI-Bench的推箱子任務中，Apex-35B-V1.0為30億參數的Qwen2.5-3B-Instruct制定訓練方案。經過訓練後，目標模型在512個未見過的關卡中取得24.4%的成功率，是未經訓練時11.7%參考成績的兩倍多。這項測試主要考察AI設計和優化訓練方案的能力。推箱子需要模型提前規劃箱子的移動順序，判斷箱子與目標位置的關係，對空間推理和多步驟規劃能力有一定要求。測試給Apex-35B-V1.

0安排了4小時探索訓練策略，再用12小時重新訓練目標模型。探索階段，Apex-35B-V1.0檢查任務代碼和評估規則，設計、執行實驗，並根據結果修改訓練方案。據超衍智能披露，模型共進行了207次命令執行和代碼編輯，團隊從中識別出36項高質量研究與工程操作，其中15項關鍵決策影響了最終訓練策略。▲Apex-35B-V1.0在推箱子任務中的訓練過程及結果（圖源：超衍智能） 另一項測試中，Apex-35B-V1.0嘗試優化圖像生成模型Stable Diffusion 1.5的訓練。據超衍智能公佈的結果，經過Apex-35B-V1.0優化的訓練方案微調後，該模型的平均美學獎勵得分從5.397提高至6.

638，提升約23%。這項任務同樣來自AI4AI-Bench，要求Apex-35B-V1.0使用強化學習算法DDPO和LoRA微調Stable Diffusion 1.5，在固定計算預算內提高圖像美學得分，成績由測試中固定的獎勵模型評定。Apex-35B-V1.0檢查評估流程後發現，測試使用20步去噪，而原有實驗採用默認的50步。經過對比，兩種配置的美學得分分別為5.499和5.487，差異較小。將去噪步數調整為20步後，單次實驗耗時從1040秒縮短至551秒。Apex-35B-V1.0還調整了訓練輪數上限，引入按時間停止和檢查點保存機制，使模型在規定預算內完成409輪訓練。

▲Apex-35B-V1.0優化Stable Diffusion 1.5的訓練過程（圖源：超衍智能） 此外，超衍智能還利用自動化研究系統Apex Research參與新模型自身的研發。在訓練數據方面，據超衍智能披露，Apex Research生成的針對性訓練數據，使模型在公司內部CFD-Bench測試中的成績提高32.1分。這項改進針對計算流體力學（CFD）任務。Apex Research分析模型在評測中出現的錯誤，識別相關推理問題，再自動生成並驗證新的科學訓練樣本，將其加入後續訓練。

計算效率方面，Apex Research參與的優化使訓練吞吐量提升45%—60%；在可比工作負載下，推理解碼速度提高至原來的1.6—1.8倍，首Token響應時間降低30%—35%。其中，訓練側主要優化GPU負載均衡、動態批處理及通信與計算調度，減少GPU空閒時間和同步開銷；推理側則優化注意力計算內核、KV緩存管理及預填充和解碼階段的執行流程。二、21項測試中20項超Qwen3.6-35B-A3B，論文復現成績超過GLM-5.3 在超衍智能公佈的21項基準測試中，Apex-35B-V1.0有20項成績超過基礎模型Qwen3.

6-35B-A3B；與約400億參數的Recursive Flint相比，18項領先、1項持平。這些測試覆蓋科研、智能體、編程和推理四大領域。其中，在6項科研能力測試中，Apex-35B-V1.0的成績均高於Qwen3.6-35B-A3B和Recursive Flint，部分測試成績還超過了參數規模更大的模型。在論文復現測試PaperBench中，Apex-35B-V1.0取得60.9分，高於Qwen3.6-35B-A3B的45.8分，以及總參數7530億的GLM-5.3的42.5分。PaperBench主要考察AI能否根據研究論文完成代碼開發、實驗執行和結果復現。

此次測試採用包含20篇論文的Code-Dev任務集，按照官方評分標準評估模型復現論文成果的完成程度。在科學研究難題測試FrontierScience中，Apex-35B-V1.0獲得40.0分，高於Qwen3.6-35B-A3B的21.7分和GLM-5.3的30.7分。該測試涵蓋物理、化學、生物等領域，此次比較採用包含60道研究級難題的測試集，主要考察模型解決複雜科學問題的能力。▲Apex-35B-V1.0與其他模型在科研類基準測試中的成績對比（圖源：超衍智能） 智能體任務方面，Apex-35B-V1.0在工具調用和流程自動化測試中也取得了較高成績。

在工具調用測試BFCL V4中，該模型取得84.0分，高於Qwen3.6-35B-A3B的75.2分和DeepSeek-V4.1-Flash-1017的75.0分，在此次參與比較的6款模型中排名第一。BFCL V4主要考察模型能否正確選擇和調用外部工具，處理多輪工具調用等任務。此次評測覆蓋5106個測試樣例，採用各樣例非加權平均通過率，與BFCL官方加權總分的統計口徑有所不同。在流程自動化測試AutomationBench中，Apex-35B-V1.0取得49.3分，Qwen3.6-35B-A3B為10.0分，GLM-5.3為50.2分。

該測試主要考察AI通過調用工具、執行操作，完成多步驟工作流程的能力，此次使用的是600項任務的公開測試子集。▲Apex-35B-V1.0與其他模型在智能體任務中的成績對比（圖源：超衍智能） 三、機器人仿真得分為基礎模型10倍，流體優化任務勝率79% Apex-35B-V1.0還被用於機器人仿真、計算流體力學等科研任務。超衍智能公佈了三項內部基準測試的成績，展示模型通過編寫代碼、運行仿真並根據反饋調整方案的能力。在真實場景仿真重建測試Real2Sim中，Apex-35B-V1.0取得21.55分，約為基礎模型Qwen3.6-35B-A3B的2.1分的10倍，與GLM-5.3-Flash的21.

4分接近。該測試要求模型藉助視覺工具，根據一張真實照片識別物體、還原空間佈局，並構建可運行的物理仿真環境，供機器人實驗使用。▲Real2Sim測試中，真實場景照片與Qwen3.6-35B-A3B、Apex-35B-V1.0生成的物理仿真環境對比（圖源：超衍智能） 此外，在機器人任務執行測試RoboRSI中，Apex-35B-V1.0取得44.5分，高於基礎模型的35.0分。▲RoboRSI測試中，Qwen3.6-35B-A3B與Apex-35B-V1.0控制機器人執行物體操作任務的效果對比（圖源：超衍智能） ▲Apex-35B-V1.

0與其他模型在RoboRSI機器人任務執行和Real2Sim場景仿真重建測試中的成績對比（圖源：超衍智能） 在計算流體力學方面，Apex-35B-V1.0在內部CFD-Bench測試中，相較基礎模型取得79勝、0平、21負的成績，勝率為79%。例如，在撲翼翼型優化任務中，模型根據流體仿真反饋調整運動參數，在官方展示的測試條件下取得0.164的淨推力，高於GLM-5.3的0.150和Qwen3.6-35B-A3B的0.081。▲Apex-35B-V1.

0在撲翼翼型優化任務中的仿真結果（圖源：超衍智能） 結語：AI開始參與模型研發，自進化仍面臨驗證難題 今年，遞歸自我改進（RSI）成為全球AI實驗室關注的方向。OpenAI在9月宣佈實現“自動化研究實習生”階段，AI已能在人類指導下完成原本需要研究人員數天的任務；Anthropic披露，在一項模型訓練代碼優化測試中，Claude Mythos Preview將代碼運行速度提高至原來的約52倍。此次超衍智能開源首款35B模型，展示了AI參與基礎模型研發的具體成果。不過，如何保證研究結果可靠，仍是RSI面臨的難題。

陳勇超於10月28日接受虎嗅採訪時透露，在公司的一批AI科研測試中，曾出現“獎勵黑客”（Reward Hacking）行為，即模型未達到任務要求，卻因驗證規則存在漏洞而被判定通過。如果將錯誤的評測反饋用於下一輪模型訓練，系統可能不斷強化無效的研究方法。目前，超衍智能已經拿出了第一款自進化基礎模型。下一步，這套系統能否把研究成果持續轉化為新一代模型的能力提升，並經得起外部驗證，將比單次評測成績更有說服力。