Chaoyan Intelligence Open-Sources 35B Model Apex-35B-V1.0, with AI Participating in Its Own R&D
English text is being prepared.
Beijing-based large model startup Chaoyan Intelligence has released and open-sourced its first large model, Apex-35B-V1.0, with 35 billion total parameters, approximately 3 billion parameters activated per token, and support for a 262,000-token context window, optimized through mid-training and post-training based on Qwen3.6-35B-A3B. The model scored 60.9 and 40.0 on the paper reproduction test PaperBench and the scientific research challenge test FrontierScience, respectively, higher than GLM-5.3's 42.5 and 30.7; it scored 84.0 on the tool-calling test BFCL V4, higher than DeepSeek-V4.1-Flash-1017's 75.0. The model has been released with open weights under the Apache 2.0 license, and the official release provides approximately 72GB of BF16 weights and GGUF quantized versions at various precisions.
Why read this
AI score 72
The original text presents the model's comparative results on scientific research and agent benchmarks, as well as the specific process by which AI participates in its own R&D, from which the degree of implementation of the RSI route can be judged.
Topics
Body
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：
GitHub：
▲Apex-35B-V1.0开源主页（图源：Hugging Face）
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。
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）
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。