AntwortenVeröffentlicht20 Quellen
Apex-35B-V1.0: Wie KI-gestützte Forschung ein Qwen-Modell verbessern soll
Apex 35B V1.0 ist ein Modell mit offenen Gewichten auf Basis von Alibaba Qwen3.6 35B A3B. Apex Research soll Fehler in Tests analysieren, gezielte Trainingsbeispiele erzeugen und überprüfen.
Veröffentlicht vonBearbeitet mit GPT-6 LunaBilder erstellt mit GPT Image 2
Forschungsantwort
Wichtige Erkenntnisse
- Apex 35B V1.0 ist ein Modell mit offenen Gewichten auf Basis von Alibaba Qwen3.6 35B A3B.
- Apex Research soll Fehler in Tests analysieren, gezielte Trainingsbeispiele erzeugen und überprüfen.
- Apex berichtet von besseren Ergebnissen als Qwen und Recursive Flint in vielen eigenen Tests.
KI-Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Apex Intelligence’s Apex-35B-V1.0, released on October 28, 2026, and how do its Hugging Face weight availability, Qwen3.6-35B-A3B fo. Article summary: Apex-35B-V1.0 is Apex Intelligence’s first model, released on October 28, 2026: an open-weight, Qwen-based model intended for general-purpose use and research, rather than a foundation model trained from scratch.[2][4][6. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Apex-35B-V1.0 ist das erste Modell von Apex Intelligence. Es baut auf Alibaba Qwen3.6-35B-A3B auf und wurde durch weiteres Training ergänzt – statt von Grund auf neu trainiert zu werden. Im Mittelpunkt der Veröffentlichung steht der Einsatz von Apex Research: Das System soll gezielte Trainingsdaten erzeugen und Auswertungsergebnisse nutzen, um das Modell weiterzuentwickeln. Für einen internen Test zur Strömungsmechanik meldet das Unternehmen einen Zugewinn von 32,1 Punkten. Diese Angabe und die übrigen Benchmark-Ergebnisse sind bislang Unternehmensangaben, keine unabhängig bestätigten Resultate.2
17
21
Was Apex-35B-V1.0 kann und wo es verfügbar ist
Das Modell ist für allgemeine Aufgaben und Forschungsanwendungen gedacht. In der Modellbeschreibung nennt Apex unter anderem Programmieren, Werkzeugnutzung, Fragebeantwortung und Deep Search sowie Forschung in KI, Computerwissenschaften und Robotersimulation. Außerdem wird Unterstützung für eine Claude-Code-Umgebung angegeben.2
21
Die Modellgewichte sind auf Hugging Face unter Apexintelligence-AI/Apex-35B-V1.0 verfügbar. Eine offizielle GGUF-Version wird ebenfalls angeboten – ein Format, das von verschiedenen Laufzeitumgebungen für lokal ausgeführte Modelle genutzt wird.21
23
Wie Apex Research beim CFD-Test geholfen haben soll
Apex beschreibt einen Trainingskreislauf, der Testergebnisse als Ansatzpunkt für Verbesserungen nutzt. Im Beispiel aus der numerischen Strömungsmechanik (Computational Fluid Dynamics, CFD) analysierte Apex Research Fehler aus Modelltests und identifizierte Probleme beim Schlussfolgern. Daraufhin erzeugte und überprüfte das System neue wissenschaftliche Trainingsbeispiele, die in spätere Trainingsrunden einflossen.17
28
Apex zufolge verbesserte sich das Ergebnis auf dem unternehmenseigenen CFD-Bench dadurch um 32,1 Punkte. Gemeint ist ein Zuwachs in Punkten, nicht um 32,1 Prozent. Da es sich um eine interne Auswertung handelt, lässt sich daraus allein kein unabhängig bestätigter Leistungsvorsprung ableiten.17
28
Das Unternehmen schreibt seinem automatisierten System außerdem Beiträge zur Erstellung von Trainingsdaten und zu Experimenten zu. Ein Unternehmensprofil nennt zusätzlich die Optimierung von GPU-Kernels.1
6 Vergleichbare Zahlen zur Trainingsgeschwindigkeit oder zur Geschwindigkeit bei der Textgenerierung enthalten die hier zitierten Quellen jedoch nicht. Auch die nötigen Messdetails, etwa zu Vergleichsbasis und Testbedingungen, fehlen.
Was die veröffentlichten Benchmark-Vergleiche zeigen
Die folgenden Ergebnisse stammen von Apex oder aus Berichten über die Veröffentlichung. Sie geben Einblick in die unternehmenseigenen Auswertungen, sind aber keine unabhängig geprüften Ranglisten.17
28
30
38
- 21 Benchmarks insgesamt: Laut einem Bericht lag Apex-35B-V1.0 in 20 von 21 Tests vor Qwen3.6-35B-A3B. Im Vergleich mit Recursive Flint, einem Modell mit rund 40 Milliarden Parametern, soll Apex 18 Tests gewonnen und einen Gleichstand erzielt haben. Die Benchmarks deckten Forschung, agentenbasierte Aufgaben, Programmieren und Schlussfolgern ab.
17
- Forschungstests: Apex zufolge schnitt das Modell in allen sechs von ihm ausgewerteten Forschungsbenchmarks besser ab als Qwen3.6-35B-A3B und Recursive Flint.
28
30
- PaperBench und FrontierScience: Ein Bericht nennt für Apex 60,9 Punkte bei PaperBench und 40,0 bei FrontierScience. Zum Vergleich: Qwen3.6-35B-A3B kam demnach auf 45,8 beziehungsweise 21,7 Punkte; GLM-5.3 auf 42,5 bei PaperBench und 30,7 bei FrontierScience.
- Weitere Vergleiche: Apex gibt an, GLM-5.3 bei FrontierScience und PaperBench übertroffen zu haben. Bei der schwierigen, von Menschen bearbeiteten Teilaufgabe von BioMysteryBench soll das Modell besser abgeschnitten haben als DeepSeek-V4.1-Flash-1017. Beim BFCL V4 meldet Apex den höchsten Wert unter den von ihm verglichenen Modellen – nicht zwingend unter allen verfügbaren Modellen.
38
- Robotik: Für RoboRSI und Real2Sim nennt Apex Werte von 44,5 und 21,55. Die Modellunterlagen führen Robotersimulation, das Ausführen von Roboteraufgaben, das Sammeln von Bewegungsbahnen und die Rekonstruktion von Szenen für die Übertragung von realen in simulierte Umgebungen als relevante Anwendungsfelder auf.
21
18
Was sich aus den Angaben ableiten lässt – und was nicht
Der greifbarste Teil von Apex’ Darstellung ist der beschriebene CFD-Kreislauf: Fehler erkennen, gezielte Beispiele erstellen und prüfen, anschließend mit diesen Daten weitertrainieren. Das ist ein konkretes Beispiel dafür, wie automatisierte Analyse zur Modellentwicklung beitragen kann. Für sich genommen belegt es aber keine autonome oder unbegrenzt fortschreitende Selbstverbesserung.17
28
Apex-35B-V1.0 ist ein auf Qwen basierendes Modell mit offenen Gewichten; das Unternehmen berichtet von Verbesserungen in eigenen Tests. Unabhängig bestätigte Benchmark-Ergebnisse sowie aussagekräftige Vergleichswerte für Trainings- und Generierungsgeschwindigkeit fehlen in den hier zitierten Materialien. Diese Einschränkungen sollte man bei der Einordnung der Leistungsversprechen und beim Vergleich mit anderen Modellen berücksichtigen.
Studio Global AI
Setzen Sie Ihre Recherche fort
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Die Leute fragen auch
Wie lautet die kurze Antwort auf „Apex-35B-V1.0: Wie KI-gestützte Forschung ein Qwen-Modell verbessern soll“?
Apex 35B V1.0 ist ein Modell mit offenen Gewichten auf Basis von Alibaba Qwen3.6 35B A3B.
Was sind die wichtigsten Punkte, die zuerst validiert werden müssen?
Apex 35B V1.0 ist ein Modell mit offenen Gewichten auf Basis von Alibaba Qwen3.6 35B A3B. Apex Research soll Fehler in Tests analysieren, gezielte Trainingsbeispiele erzeugen und überprüfen.
Was soll ich als nächstes in der Praxis tun?
Apex berichtet von besseren Ergebnissen als Qwen und Recursive Flint in vielen eigenen Tests.