清华学者打造Apex-35B模型，递归自进化引爆AI新变革

type

status

date

slug

summary

递归自我改进：新一代大模型演进的核心引擎

AI 的下一次飞跃将来自何方？在过去两年的前沿探索中，全球顶尖科学家与产业先锋不约而同地指向同一个方向：让人工智能参与改进自身，即递归自我改进（Recursive Self-Improvement, 简称 RSI）。当智能体具备参与算法设计、数据清洗、代码生成与自我评估的能力时，通向通用人工智能（AGI）的技术演进将形成闭环加速。

紧跟全球最新的AI资讯与大模型动态，国内前沿科研团队在此赛道取得了标志性突破。由清华大学人工智能学院 27 岁助理教授陈勇超创立的超衍智能，正式发布了其首款 35B 参数规模的基础模型——Apex-35B-V1.0。作为行业关注的重磅AI新闻，该模型不仅在参数体量上保持极高能效比，更以“自我改进”机制完成了从算法实验到系统调优的全流程闭环，展现出媲美数百 B 参数超大模型的顶级性能。

想要获取更多前沿大模型动态、技术剖析与深度行业报告，欢迎访问一站式 AI门户，即时掌握每日 AI日报 与最新技术风向。

逆袭数百B巨头：Apex-35B-V1.0 权威基准评测解析

在传统认知中，模型的综合能力往往与参数规模呈正相关。然而，Apex-35B-V1.0 的评测成绩打破了这一思维惯性。在涵盖研究、智能体、代码构建与多步推理四大能力方向的 21 项基准评测中，Apex-35B-V1.0 展现了跨量级碾压的强悍实力。

科学研究能力跨级飞跃：在衡量解决前沿交叉科学问题的 FrontierScience 评测中，Apex-35B-V1.0 斩获 40.0 分，远超同量级开源竞品，甚至大幅领先总参数超 700B 的巨量模型；在衡量能否从零复现前沿学术成果的 PaperBench 评测中，它取得了 60.9 的高分，验证了其在复杂学术实验理解与代码复现上的可行性。

智能体与工具调用高水准：在加州大学伯克利分校提出的工具调用权威测试 BFCL V4 中，Apex-35B-V1.0 取得 84.0 分，在多轮交互、参数对齐与异常处理方面展现出极佳的稳定性，优于多款 500B 参数级闭源旗舰。

复杂工程与深度推理：面对 Terminal-Bench 2.1 真实命令行场景与被誉为高难度评测标杆的 HLE（人类最后的考试），Apex-35B-V1.0 依然保持领先，展现了严密的逻辑链路与工程动手能力。

这一系列的测试成绩表明，当 LLM 拥有精巧的数据工程与自反思迭代路径时，中等尺寸模型完全可以在专业垂直任务上媲美甚至超越超大参数集群。

Apex Research 闭环：AI for AI 与系统级递归优化

Apex-35B-V1.0 能够在短时间内取得如此突破，核心在于其背后自主搭建的自动化研发系统——Apex Research。这套系统将“AI for AI”（模型自身升级）与“AI for Science”（赋能科学计算）紧密结合，在研发全流程形成了自增强循环：

定向缺陷定位与合成数据生成：模型不再依赖人工低效标注，而是由系统自动分析评测失败案例，针对数学短板、长文本偏科等问题反向合成专项训练样本，实现闭环定向补强。

动态训练方案调优：系统自主探索不同序列长度分布与轨迹采样比例，动态解决推理上下文遗忘与数据倾斜问题，显著提高智能体的训练收敛速度。

软硬件协同自适应优化：Apex Research 还深入至底层基础设施，参与 GPU 集群间的通信与计算流水线调度，使训练吞吐量提升 45% 至 60%；在推理部署环节优化注意力机制与 KV Cache 调度，大幅压低首 Token 延迟。

这种自我诊断、自我修复并反哺下一次迭代的模式，使得中小型研发团队在算力资源有限的背景下，走出了一条极具性价比的 AGI 探索之路。

从算法走向物理世界：科学计算与机器人仿真的双重落地

区别于传统仅擅长聊天与文本摘要的常规对话助手，Apex-35B-V1.0 自诞生起便瞄准具有实际生产力价值的专业复杂场景：

计算流体力学（CFD）求解：在微型飞行器扑翼运动高维参数优化、以及复杂生物血管网络出口参数分配等任务中，Apex-35B-V1.0 能够结合数值仿真反馈持续探索解空间，不仅能给出收敛方案，且在效率与精度上均大幅领先基线模型。

机器人控制与环境重建：在 RoboRSI 机械臂精准装配与 Real2Sim 物理环境虚拟三维重建任务中，该模型能够依据传感器视觉反馈进行长程轨迹调整，实现可交互、低误差的机器人动作规划。

这一系列应用展示了前沿大模型正在加速从“数字大脑”向“实体智能”渗透，为工业工程与自动化科研注入全新潜能。

结语：中国科研力量竞逐下一代大模型

清华团队超衍智能打造的 Apex-35B-V1.0，不仅是参数能效比上的胜利，更向整个行业展示了“递归自我改进”范式的巨大潜力。在算力军备竞赛日益激烈的当下，依赖数据质量、自适应迭代与高效工程闭环的创新方案，正在为中国团队在全球 AI 竞赛中争取更多话语权。

关注未来科技趋势，获取独家 AI资讯、最新 提示词 技巧与 大模型 商业落地实践，敬请持续锁定 AI门户平台，紧跟智能化浪潮的每一个关键节点。