RespuestasPublicado20 fuentes
Apex-35B-V1.0: qué muestran las pruebas del modelo desarrollado con Apex Research
Apex 35B V1.0 es un modelo de pesos abiertos basado en Qwen3.6 35B A3B, disponible en Hugging Face. Apex Intelligence lo presenta para programación, uso de herramientas, tareas generales e investigación científica, incluida la simulación robótica.
Publicado porEditado con GPT-6 LunaImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- Apex 35B V1.0 es un modelo de pesos abiertos basado en Qwen3.6 35B A3B, disponible en Hugging Face.
- Apex Intelligence lo presenta para programación, uso de herramientas, tareas generales e investigación científica, incluida la simulación robótica.
- La empresa reporta mejoras en varias pruebas, pero los resultados citados son evaluaciones de Apex y no incluyen cifras comparables de velocidad de entrenamiento o generación.
Prompt de IA
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 es el primer modelo de Apex Intelligence. Está construido sobre Qwen3.6-35B-A3B, de Alibaba, y fue desarrollado mediante etapas adicionales de entrenamiento intermedio y posterior. La principal apuesta de la empresa no es haberlo creado desde cero, sino usar Apex Research para generar datos específicos y orientar mejoras a partir de los resultados de evaluación. Apex reporta una mejora de 32,1 puntos en su prueba interna CFD-Bench; tanto ese dato como las demás comparaciones citadas son resultados declarados por la compañía, no verificaciones independientes.2
17
21
Qué es el modelo y dónde está disponible
Apex-35B-V1.0 está pensado para usos generales y de investigación. La descripción del modelo menciona programación, uso de herramientas, preguntas y respuestas y búsqueda profunda, además de tareas de investigación en inteligencia artificial, ciencias computacionales y simulación robótica. Los materiales de lanzamiento también señalan compatibilidad con el entorno de trabajo Claude Code.2
21
Los pesos están publicados en Hugging Face en Apexintelligence-AI/Apex-35B-V1.0. También hay una versión oficial en formato GGUF para usar con entornos locales compatibles.21
23
Cómo habría mejorado en dinámica de fluidos
El proceso descrito por Apex utiliza los errores del modelo como guía para entrenarlo de nuevo. En el ejemplo de dinámica de fluidos computacional (CFD, por sus siglas en inglés), Apex Research analizó fallos en las evaluaciones, detectó problemas de razonamiento, generó y verificó nuevos ejemplos científicos y los incorporó a una fase posterior de entrenamiento.17
28
Apex atribuye a este ciclo una mejora de 32,1 puntos en su CFD-Bench interno. Se trata de una ganancia en puntos, no de un aumento del 32,1 %. Como la evaluación es interna, el resultado debe leerse como un dato comunicado por la empresa, no como una puntuación confirmada de forma independiente.17
28
La compañía también afirma que su sistema automatizado contribuyó a generar datos de entrenamiento y realizar experimentos; un perfil empresarial le atribuye además la optimización de núcleos de GPU.1
6 Los materiales citados no ofrecen cifras comparables sobre velocidad de entrenamiento o generación de texto ni detalles suficientes para evaluar esas afirmaciones de eficiencia.
Qué dicen las comparaciones de rendimiento
Las cifras siguientes proceden de Apex o de coberturas de su lanzamiento. Pueden servir como referencia sobre las evaluaciones reportadas por la compañía, pero no establecen clasificaciones verificadas de manera independiente.17
28
30
38
- En 21 pruebas: Según la información del lanzamiento, Apex-35B-V1.0 superó a Qwen3.6-35B-A3B en 20 pruebas. Frente a Flint, de Recursive SuperIntelligence, un modelo de unos 40.000 millones de parámetros, habría quedado por delante en 18 y empatado en una. Las pruebas abarcaron investigación, tareas con agentes, programación y razonamiento.
17
- Pruebas de investigación: Apex afirma que su modelo superó a Qwen3.6-35B-A3B y a Recursive Flint en las seis pruebas de investigación que evaluó.
28
30
- PaperBench y FrontierScience: Un reporte atribuye a Apex 60,9 puntos en PaperBench y 40,0 en FrontierScience. Para Qwen3.6-35B-A3B, informa 45,8 y 21,7, respectivamente; y para GLM-5.3, 42,5 en PaperBench y 30,7 en FrontierScience.
- Otras comparaciones: Apex dice haber superado a GLM-5.3 en FrontierScience y PaperBench, a DeepSeek-V4.1-Flash-1017 en la categoría Human-difficult de BioMysteryBench, y haber obtenido la puntuación más alta en BFCL V4 entre los modelos comparados.
38 Esta última afirmación se limita al grupo evaluado por la empresa, no a todos los modelos disponibles.
- Pruebas relacionadas con robótica: El lanzamiento reporta 44,5 puntos en RoboRSI y 21,55 en Real2Sim. Los materiales del modelo mencionan como capacidades relevantes la ejecución de tareas robóticas, la recopilación de trayectorias y la reconstrucción de escenas del entorno real a una simulación.
21
18
Qué permiten concluir los datos y qué falta saber
El ejemplo más concreto del método de investigación automatizada que describe Apex es el ciclo de CFD: localizar errores, crear y verificar ejemplos específicos y volver a entrenar el modelo. Esto ofrece una explicación de cómo el análisis automatizado podría contribuir al desarrollo. Por sí solo, no demuestra una mejora recursiva autónoma y sin límites.17
28
Apex-35B-V1.0 está disponible como modelo de pesos abiertos basado en Qwen, y la compañía reporta avances en sus evaluaciones internas. Sin embargo, las fuentes citadas no aportan resultados de pruebas verificados de forma independiente ni mediciones comparables de velocidad de entrenamiento o generación. Conviene tener presentes esas limitaciones al interpretar las cifras o comparar el modelo con otros sistemas.
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "Apex-35B-V1.0: qué muestran las pruebas del modelo desarrollado con Apex Research"?
Apex 35B V1.0 es un modelo de pesos abiertos basado en Qwen3.6 35B A3B, disponible en Hugging Face.
¿Cuáles son los puntos clave a validar primero?
Apex 35B V1.0 es un modelo de pesos abiertos basado en Qwen3.6 35B A3B, disponible en Hugging Face. Apex Intelligence lo presenta para programación, uso de herramientas, tareas generales e investigación científica, incluida la simulación robótica.
¿Qué debo hacer a continuación en la práctica?
La empresa reporta mejoras en varias pruebas, pero los resultados citados son evaluaciones de Apex y no incluyen cifras comparables de velocidad de entrenamiento o generación.