Apex Intelligence, pekińskie laboratorium założone w czerwcu 2026 roku przez Yongchao Chena, adiunkta w College of AI Uniwersytetu Tsinghua, udostępniło swój pierwszy model — Apex-35B-V1.0. To model MoE o 35 mld parametrów, zbudowany na Qwen3.6-35B-A3B, który w 20 z 21 publicznych benchmarków wyprzedza bazę, a w części testów naukowych bije konstrukcje kilkunastokrotnie większe. Wagi opublikowano na licencji Apache 2.0.
Najważniejsze w skrócie
- 35 mld parametrów łącznie, ok. 3 mld aktywnych na token, okno kontekstu 262 144 tokenów dzielone między wejście i wyjście
- 20 wygranych na 21 publicznych benchmarków wobec bazowego Qwen3.6-35B-A3B — jedyna porażka to LiveCodeBench v6 (82,3 wobec 84,5)
- BFCL V4: 84,0 pkt, najwyższy wynik w całym zestawieniu firmy, przed GLM-5.3 o 753 mld parametrów (75,8)
- Wagi BF16 o rozmiarze ok. 72 GB plus warianty GGUF, wszystko na licencji Apache 2.0
- Rundy angel?angel: najwcześniejsza runda finansowania startupu, poprzedzająca serię A i angel-plus: blisko 50 mln USD (ok. 180 mln zł), współprowadzone m.in. przez IDG Capital i XtalPi
Wyobraźmy sobie taką sytuację
Wewnętrzna ocena pokazuje, że model myli się w zadaniach z obliczeniowej mechaniki płynów: źle dobiera metodę numeryczną i nie poprawia rozwiązania po obejrzeniu wyniku symulacji.
W klasycznym procesie wkracza tu zespół badawczy: ktoś analizuje błędy, przygotowuje nowe przykłady i uruchamia kolejną rundę treningu.
Apex Intelligence twierdzi, że tę rolę przejęło oprogramowanie. System nazwany Apex Research sam rozpoznaje lukę w rozumowaniu, generuje i sprawdza nowe przykłady, po czym wpuszcza je do kolejnej rundy. Na wewnętrznym CFD-Bench firmy dało to wzrost o 32,1 punktu.
Ale pojawia się problem: skąd wiadomo, że dane wygenerowane przez model czegokolwiek uczą, a nie utrwalają jego własnych błędów?
Na odpowiedzi na to pytanie opiera się cała konstrukcja opisana przez firmę.
Co dokładnie opublikowano?
Apex-35B-V1.0 to model typu Mixture of Experts: ma 35 mld parametrów łącznie, ale na jeden token aktywuje tylko około 3 mld z nich. Kosztuje więc w działaniu tyle, co model trzymiliardowy, zachowując pojemność znacznie większego. Bazą jest Qwen3.6-35B-A3B, otwarty model MoE od Qwen, dotrenowany na własnych zbiorach danych i zapisach przebiegów badawczych.
Okno kontekstu wynosi 262 144 tokeny i jest dzielone między wejście i wyjście, czyli długi łańcuch rozumowania zjada ten sam budżet co długi prompt. Wagi BF16 zajmują około 72 GB. Firma deklaruje też tryb dynamicznego myślenia: model sam decyduje na każdej turze, czy rozumować i jak długo.
Obsługiwane są SGLang, vLLM, TokenSpeed, KTransformers, Transformers i llama.cpp, a trzy pierwsze mają gotowe komendy z Multi-Token Prediction. Obok wag BF16 są warianty GGUF od Q4_K_M w górę.
Jak działa pętla samodoskonalenia?
Apex Research działa według firmy w trzech obszarach i w każdym podana jest konkretna liczba.
Pierwszy to dane: system szuka słabych punktów modelu i dosypuje pod nie materiał treningowy, jak w opisanym wyżej przykładzie z mechaniki płynów.
Drugi to eksperymenty. Zapisy pracy agenta wskazały, że zbyt długie konteksty rozumowania i źle zbalansowana mieszanka danych psują zachowanie agentowe, więc system przetestował inne rozkłady długości sekwencji i proporcje próbkowania.
Trzeci to infrastruktura. Optymalizacja kerneli GPU?kerneli GPU: niskopoziomowych procedur obliczeniowych wykonywanych bezpośrednio na układzie graficznym, balansowania obciążenia i zarządzania cache'em KV?cache'em KV: pamięcią podręczną kluczy i wartości z wcześniejszych tokenów, dzięki której model nie przelicza ich przy każdym nowym tokenie dała — według firmy — 45–60% wyższą przepustowość treningu, 1,6–1,8× szybsze dekodowanie i 30–35% niższy czas do pierwszego tokena.
To uproszczony schemat opisanego mechanizmu, a nie zapis rzeczywistego przebiegu treningu.
Co mówią benchmarki?
Wobec bazy przewaga jest niemal kompletna: 20 wygranych na 21 benchmarków, a jedyna porażka to LiveCodeBench v6 (82,3 wobec 84,5).
Narzędzia i zadania badawcze
Najmocniejszy wynik to BFCL V4 — test sprawdzający, czy model poprawnie wywołuje narzędzia, czyli function calling. Apex-35B-V1.0 ma tam 84,0 punktu, najwięcej w zestawieniu firmy, przed GLM-5.3 o 753 mld parametrów (75,8).
Podobnie w testach badawczych. Na FrontierScience (60 problemów naukowych ocenianych według oficjalnych rubryk?rubryk: ustalonych list kryteriów punktowych, według których ocenia się odpowiedź) model dostał 40,0 wobec 30,7 dla GLM-5.3, a na PaperBench, mierzącym odtworzenie wyników z publikacji, 60,9 wobec 42,5.
Zadania ogólne
W zadaniach ogólnych największe modele wciąż prowadzą: na Terminal-Bench 2.1 Apex ma 65,2 wobec 89,9, a na SWE-bench Verified 73,4 wobec 79,8. Za to na MMLU-Pro mniejszy model wyprzedza nawet DeepSeek-V4.1-Flash-1017 (87,2 wobec 68,3).
Robotyka
Osobny wątek to robotyka. Na wewnętrznym RoboRSI, gdzie model steruje robotem w symulatorach RobotTwin i RoboCasa, ma 44,5 wobec 35,0 dla bazy, a na Real2Sim — odtwarzaniu symulacji fizycznej ze zdjęcia — 21,6 wobec 2,1.
| Benchmark | Apex-35B-V1.0 | Porównanie |
|---|---|---|
| BFCL V4 | 84,0 | GLM-5.3 — 75,8 |
| FrontierScience | 40,0 | GLM-5.3 — 30,7 |
| MMLU-Pro | 87,2 | DeepSeek-V4.1-Flash-1017 — 68,3 |
| LiveCodeBench v6 | 82,3 | Qwen3.6-35B-A3B — 84,5 |
| RoboRSI | 44,5 | Qwen3.6-35B-A3B — 35,0 |
| Real2Sim | 21,6 | Qwen3.6-35B-A3B — 2,1 |
Tabela: wyniki podane przez Apex Intelligence, jeden przebieg na zadanie (pass@1).
Co znaczą te nazwy?
- MoE i parametry aktywne — model podzielony na wyspecjalizowane podsieci, z których na każdy token uruchamia się tylko kilka. Tu liczą 3 mld z 35 mld wag i to ta część decyduje o koszcie działania.
- RSI (recursive self-improvement) — układ, w którym wyniki pracy badawczej modelu wracają jako ulepszenie tego samego modelu. Pętla sprzężenia zwrotnego, nie jednorazowy trening.
- Harness — warstwa dająca modelowi dostęp do terminala, plików i narzędzi. Porównywane modele testowano w Claude Code, poza BFCL V4.
Razem składają się na tezę firmy: tani w działaniu model można doprowadzić do poziomu badawczego, jeśli dane i konfiguracja treningu powstają w zamkniętej pętli z pomiarem.
Dlaczego nie wystarczy zwykły fine-tuning?
Standardowe dotrenowanie wygląda tak: zespół zbiera dane, uruchamia trening, mierzy wynik i powtarza. Wąskim gardłem nie jest moc obliczeniowa, tylko czas ludzi.
Apex Intelligence przesuwa ten etap do oprogramowania, ale tylko tam, gdzie da się wystawić twardy miernik: zadanie z mechaniki płynów można zasymulować i policzyć błąd, a sterowanie robotem w RobotTwin kończy się sukcesem albo porażką.
Drugi problem jest subtelniejszy: model generujący własne dane może wzmocnić własne błędy, bo tworzy przykłady zgodne z tym, co już błędnie uważa. Dlatego kluczowe w opisie firmy jest słowo „zwalidowane” — do kolejnej rundy mają wchodzić tylko wyniki sprawdzone poza modelem: symulacją, testem, pomiarem.
To zawęża zakres: pętla działa tam, gdzie istnieje tani i wiarygodny sędzia. Bez niego pozostaje klasyczny fine-tuning z udziałem ludzi.
Czy to już działa?
Tak — wagi są publicznie dostępne. Apex-35B-V1.0 opublikowano na Hugging Face Hub wraz z wariantami GGUF, na licencji Apache 2.0, a ogłoszenie na stronie firmy nosi datę 28 października 2026 r.
Czego nie udostępniono: Apex Research. System samodoskonalenia opisano w materiałach firmy, ale nie opublikowano ani jako kodu, ani jako usługi, więc weryfikacja opiera się wyłącznie na jej deklaracjach.
Wyniki benchmarków pochodzą z pomiarów firmy, przy jednym przebiegu na zadanie (pass@1). Niezależnej replikacji na razie brak.
Dlaczego to ważne?
Jeśli deklaracje się potwierdzą, interesująca nie jest wielkość modelu, lecz źródło przewagi. Nie więcej parametrów, tylko lepiej dobrane dane i konfiguracja treningu, wybrane automatycznie. To przesuwa punkt ciężkości konkurencji z dostępu do GPU w stronę jakości pętli pomiarowej. Dla zespołów bez budżetu liczonego w miliardach dolarów jest to jedna z niewielu realnych ścieżek. Na razie to jednak teza firmy, a nie zweryfikowany z zewnątrz wynik.
Co dalej?
- Zapowiedziany jest kolejny, większy model samodoskonalący się, z rozszerzeniem na projektowanie układów scalonych i obliczenia kwantowe — bez terminu
- Partnerstwo z XtalPi z sierpnia 2026 r. ma połączyć model z automatyczną infrastrukturą laboratoryjną — pierwszy test pętli RSI poza symulacją
- Testem wiarygodności będzie niezależna replikacja, zwłaszcza na BFCL V4 i PaperBench
Źródła
- Apex Intelligence — Introducing Apex-35B-V1.0
- Hugging Face — Apexintelligence-AI/Apex-35B-V1.0
- Apex Intelligence — Apex Intelligence Raises Nearly US$50 Million in Angel Funding to Build Self-Evolving Foundation Models
- Apex Intelligence — Apex Intelligence Establishes a Strategic Partnership with XtalPi to Build an Open Ecosystem for AI for Science
- 机器之心 — 清华27岁助理教授杀入AI自进化赛道！首个35B模型刚刚亮相
