智能體長任務總“失憶”？國產開源破局，類Jev模型接管Agent調度
作者 | 王涵 編輯 | 冰倩 10月14日報道，昨晚，國內科技獨角獸公司APUS開源Reflex Agent，這套系統採用自研Reflex決策模型完成Harness（智能體執行框架）中的決策環節，圍繞無限記憶、無損記憶、無損輸入構建無限上下文方案，可落地可長期持續處理任務的Personal Agent（個人智能體）。▲開源頁面 Reflex Agent採用MIT協議開源，提供桌面端、Web和SDK。開發者可以復現“模型驅動Harness”的工作循環，研究無損記憶和無限上下文的實現思路，也可以基於項目做二次開發，適配自己的Agent場景。
Reflex Agent開源地址：https://github.com/APUS-AI-Lab/APUS-Reflex-Agent APUS（麒麟合盛）成立於2014年，總部位於北京，該公司早期以C端移動互聯網產品生態（如啟動器、瀏覽器等）起家。2017年，其估值約120億元。在2022年底，APUS決定將技術路線全部轉向大模型，聚焦於通用與語言模型、行業通用大模型、C端手機應用和B端行業智能體。APUS創始人兼CEO李濤，曾任職於三七二一，該公司後被中國雅虎收購。
2005年-2009年擔任北京圖吧科技有限公司COO，2009年至2014年擔任北京奇虎科技有限公司副總裁，2014年離職創立了APUS。▲李濤 一、APUS用2步解決決策延遲與長任務遺忘難題 Reflex Agent開源的背景正值AI Agent與決策模型Jev爆火之際，但行業熱鬧的同時，技術的痛點也非常集中。APUS認為，當下主流Agent幾乎都基於“提示詞+代碼”搭建Harness，每一步控制決策——從“這個需求該交給誰執行”到“任務到底做完沒有”——都要調用大模型來判斷。大模型每多想一步，用戶就多等一步，高頻工具調用場景下延遲問題尤為突出。
更棘手的是長任務中的“遺忘”問題：任務一旦拉長，歷史就超出上下文窗口，行業常見的做法是把舊對話壓縮成摘要，但細節和出處往往就在這一步丟失了。APUS的解法分兩步走：用模型做Harness和無限上下文。二、用模型做Harness：決策模型當控制中樞，響應速度提3倍 APUS此前已開源了自研決策模型Reflex，該模型基於Qwen3.5的4.5B參數模型微調，專為瀏覽器動作選擇、工作流路由和自然語言原則判斷設計。Hugging Face：https://huggingface.co/apus-ailab/APUS-Reflex。
Reflex Agent架構採用專用決策模型驅動Harness核心控制邏輯： 1、角色分工：專用決策模型負責判斷下一步行動，Harness負責流程調度、工具管理、狀態跟蹤、接收執行反饋；工具負責具體操作； 2、形成閉環：決策→ 執行→ 反饋→ 再決策。決策模型是Agent流程的控制中樞，按需調用大模型、外部工具與數據，而不是所有環節都依賴大模型； 該框架在測試場景下，頁面響應速度相比同類Agent提升2-3倍，對連續操作、多輪工具調用的複雜任務體驗提升明顯。三、無限上下文：三層記憶機制，造出Loop Working 第二步就是無限上下文。
Reflex Agent採用三層記憶機制： 1、無限記憶：持續累積任務全量信息，為長週期任務提供完整記憶底座； 2、無損記憶：完整保存原始信息與關聯關係，支持隨時回溯任務細節、歷史判斷依據； 3、無損輸入：檢索調入當前決策上下文的信息不做有損改寫，保留原文內容。Agent不需要把全部歷史一次性塞進prompt，可以根據當前任務需求檢索相關記憶片段，原始信息直接參與決策，不依賴壓縮摘要。兩部分合在一起，AI就能鎖定用戶目標、自動持續執行、自檢、修正，直到任務達成的循環工作體。APUS把這種工作方式叫做Loop Working。
四、產品體系覆蓋通用、垂直模型與C端B端 早在2017年，APUS籌備A股上市，彼時公司估值約120億元。2019年4月，該公司撤回了IPO申請。在2020年8月，APUS轉向科創板再度衝擊IPO，然而最終依舊終止了。目前，APUS已經形成基座大模型+AI應用產品框架。2023年，APUS發佈了自研的千億級多模態大模型“APUS大模型（AiLMe）”，此後，其於2024年4月聯合開源了千億參數MoE架構模型APUS-xDAN-4.0。
在大模型的基礎上，APUS構建起了產品體系： 通用與語言模型包括天燕大模型和DeepSeek APUS加強版；垂直行業大模型包括奇黃大模型（醫療問診）與智草大模型（中醫診斷）等，覆蓋教育、農業、網信、政務、傳媒、金融、電商等領域。基於大模型能力，APUS還推出了一系列直接面向用戶的AI應用。C端手機應用包括APUS Launcher、APUS Booster、APUS Security、APUS Browser、APUS KATOO、APUS CutCut等；B端行業智能體有天燕商業智能體、智草中醫智能體、智能診療平臺等。
結語：為智能體長任務提供新解法 當下AI Agent賽道熱度高漲，但長任務失憶、工具調用延遲仍是阻礙實用化的核心難題。APUS此次開源Reflex Agent，跳出 “大模型包攬全部決策” 的主流思路，把調度決策能力剝離出來獨立建模，再依靠無損記憶體系保住任務細節。這一差異化路線，也一定程度上為國內智能體生態提供了新的技術樣本。當然，框架能否規模化落地、在更多複雜業務場景保持穩定，還需要開源社區持續驗證迭代。
Related
相關文章
認識 Voxel51 3.0：為實體 AI 打造的統一多模態資料平臺
Voxel51 已發布 Voxel51 3.0，這是其資料平臺的一次重大更新。Voxel51 3.0 是一個端對端的多模態資料平臺，將搜尋、篩選、標註和評估整合於單一系統中。該平臺鎖定針對機器人、車輛和工廠感測器資料進行模型訓練的團隊。此次發布新增了 Voxel51 Agent、資料溯源層及免費的自助式存取。重點摘要：規模：Voxel51 Agent 內建超過 45 個 MCP 工具、80 多個運算子及 18 個開源技能。執行環境：可於 app.voxel51.com 使用託管網頁應用程式，或於雲端、混合、地端及隔離環境中自行部署。未揭露本機 GPU 需求。效能：未發布產品基準測試。Voxel51 引用其自身調查數據作為依據。最佳亮點：免費方案包含 Voxel51 Agent、每月 30,000 次推論請求及 30 個運算小時。
本期AI資訊彙總2026年10月18日的產品更新、前沿研究、行業趨勢與開源項目，幫助讀者快速瞭解當天的重要動態
導航SecureDoc // EncryptionActive本期AI資訊彙總2026年10月18日的產品更新、前沿研究、行業趨勢與開源項目，幫助讀者快速瞭解當天的重要動態。
下一概念建模把文本生成提速最高31倍
斯坦福等聯合提出全新文本生成範式 NCM，生成速度狂飆 31 倍AIbase基地發佈於AI新聞資訊 · 1 分鐘閱讀 · Oct 16, 202633人工智能領域的文本生成技術迎來顛覆性創新。斯坦福大學與 Together AI 的研究人員近日聯手推出了一種截然不同於傳統自迴歸和擴散模型的全新文本生成範式——Next-Concept Modeling（簡稱 NCM，即“下一概念建模”）。該方法巧妙借鑑了圖像生成領域中“下一尺度預測”的思路，有望為未來的文本生成技術開闢全新的發展路線。在技術實現路徑上，NCM 模擬了人類“先構思宏觀大綱、再動筆填充細節”的寫作邏輯。整個系統通過兩階段訓練來完成:首先訓練多尺度殘差 VQ-VAE，從而得到能夠逐層補充信息的多層離散文本編碼;隨後凍結該系統，訓練 Transformer 模塊去預測下一層的編碼。在生成文本時，模型會先並行生成概念層面的宏觀大綱，接著逐層並行填充具體細節，最終組合成完整的文本內容。在實際測試表現中，NCM 交出了令人矚目的成績單。實驗數據顯示，在保持相近甚至更優生成質量的前提下，NCM 相對傳統的擴散語言模型實現了10到31倍的生成速度飛躍，並且在訓練過程中所需消耗的 token 數量也大幅減少。此外，在數獨等複雜推理任務上，它的表現也明顯優於傳統的自迴歸和擴散基線模型，同時還支持通過多生成候選挑選機制來進一步優化最終輸出效果。儘管目前該研究所使用的模型參數規模依然相對有限，其在擴大模型規模後的表現、精確文本以及長篇內容的生成能力仍有待後續驗證，但這一創新思路無疑打破了長期以來的技術慣性，為人工智能高效生成文本提供了充滿想象力的全新解法。本文來自AIbase日報掃碼查看歡迎來到【AI日報】欄目!這裡是你每天探索人工智能世界的指南，每天我們為你呈現AI領域的熱點內容，聚焦開發者，助你洞悉技術趨勢、瞭解創新AI產品應用。
Claude自主優化八類量子電路設計
ScienceDesigning more efficient quantum circuits with ClaudeOct 16, 2026Quantum computers will need carefully designed circuits to run useful algorithms on limited hardware.
12.88萬起、華為電驅+L4同源智駕，Ray7能成為埃安年輕化的答卷嗎？
12.88萬起、華為電驅+L4同源智駕，Ray7能成為埃安年輕化的答卷嗎？ 本文作者： 倪萍 2026-10-17 22:42 導語：10月17日，埃安轎跑Ray7正式開啟預售，預售價12.88 萬起。新車車長4.9米，軸距2.9米，車頭部分搭配3.25米的超長雙環燈帶，是埃安10年煥新的家族 10月17日，埃安轎跑Ray7正式開啟預售，預售價12.88 萬起。新車車長4.9米，軸距2.9米，車頭部分搭配3.25米的超長雙環燈帶，是埃安10年煥新的家族式標識。 新車採用寧德時代電池以及廣汽自研的彈匣電池2.0技術，能夠在充分釋放續航能力的同時，監控電池健康狀態。提供45.58kWh和62.98kWh兩種規格，續航可達702公里，整車風阻係數 Cd 低至 0.22。Ray7搭載華為DriveONE多合一電驅，以及華為DriveONE芯片級驅制融合架構，百公里制動僅為32.8米。底盤方面，Ray7搭載高性能前後穩定杆和後五連桿懸架，過彎極限更高，濾振更乾淨。智能化上， Ray7搭載27顆車規級全視角傳感器，採用文遠知行L4級Robotaxi同源大模型。這幫助新車能夠複用 L4 積累的海量場景經驗，在城區掉頭、繞行等複雜場景中可順利通行。自2025年廣汽推進“番禺行動”以來，昊鉑埃安BU的研發、生產、銷售等環節效率不斷提升，產品迭代和新車投放節奏明顯加快。作為埃安全新Ray車系的首款新車，Ray7是埃安開啟年輕化序列的關鍵落子，也是廣汽切入20萬級市場的重要佈局。這一細分市場競爭並不輕鬆：小鵬P7、極氪007等車型已經提前卡位。Ray7想在年輕人心中佔位，不能只堆參數，更要把智能座艙與輔助駕駛、三電安全、補能效率、用車成本和價格權益上的差異，變成用戶可感、可信、可持續的體驗，這才是埃安年輕化的分水嶺。（雷峰網(公眾號：雷峰網)） 雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
梁聖又掀桌了！DeepSeek新模型斬殺GPT-6，許願式編程時代降臨
作者 | 楊京麗 編輯 | 李水青 10月17日報道，剛剛，DeepSeek V4.1 Flash更新至V4.1-Flash-1017版本，官方網頁端、App與API已同步更新至新模型，模型權重也已在HuggingFace和ModelScope開放下載。DeepSeek還向公眾開放自研搜索引擎的Search（搜索）與Fetch（抓取）API，兩個接口均定價為5元/千次。 此次更新距離該模型發佈僅過去一個多月。9月10日，DeepSeek正式推出V4.1-Flash，在性能上超越了DeepSeek-V4-Pro。