AnswersPublished20 sources
Apexin Qwen-pohjainen malli sai lisäpotkua tekoälyn tekemästä tutkimustyöstä
Apex 35B V1.0 on Qwen3.6 35B A3B malliin perustuva avoimilla painoilla julkaistu malli, jonka painot löytyvät Hugging Facesta. Mallia kuvataan yleiskäyttöiseksi: sen käyttökohteisiin kuuluvat ohjelmointi, työkalujen käyttö sekä tutkimus muun muassa laskennallisessa tieteessä ja robotiikan simuloinnissa.
JulkaisijaMuokattu mallilla GPT-6 LunaKuvat luotu mallilla GPT Image 2
Research answer
Key takeaways
- Apex 35B V1.0 on Qwen3.6 35B A3B malliin perustuva avoimilla painoilla julkaistu malli, jonka painot löytyvät Hugging Facesta.
- Mallia kuvataan yleiskäyttöiseksi: sen käyttökohteisiin kuuluvat ohjelmointi, työkalujen käyttö sekä tutkimus muun muassa laskennallisessa tieteessä ja robotiikan simuloinnissa.
- Apex kertoo mallin päihittäneen Qwen pohjan useissa omissa testeissään, mutta tuloksia ei ole näissä lähteissä riippumattomasti vahvistettu.
AI 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 on Apex Intelligencen ensimmäinen malli. Se perustuu Alibaban Qwen3.6-35B-A3B-malliin, jota yhtiö on jatkokehittänyt välikoulutuksella ja jälkikoulutuksella. Mallia ei siis koulutettu alusta asti. Apexin keskeinen väite koskee kehitystapaa: sen Apex Research -järjestelmän kerrotaan tuottaneen kohdennettua koulutusdataa ja hyödyntäneen arviointituloksia mallin parantamiseen. Yhtiö raportoi sisäisessä CFD-Bench-testissään 32,1 pisteen parannuksesta, mutta tulosta tai muitakaan tässä käsiteltyjä vertailuja ei ole lähteissä riippumattomasti vahvistettu.2
17
21
Mikä malli on ja mihin sitä voi käyttää?
Apex kuvaa mallia sekä yleiskäyttöön että tutkimukseen soveltuvaksi. Mallikuvauksessa mainitaan ohjelmointi, työkalujen käyttö, kysymyksiin vastaaminen ja tiedonhaku sekä tutkimus tekoälyn, laskennallisen tieteen ja robotiikan simuloinnin parissa. Julkaisumateriaaleissa kerrotaan myös tuesta Claude Code -käyttöympäristölle.2
21
Mallin painot ovat saatavilla Hugging Facessa nimellä Apexintelligence-AI/Apex-35B-V1.0. Yhtiö tarjoaa myös GGUF-version yhteensopiviin paikallisiin käyttöympäristöihin.21
23
Näin Apex kertoo parantaneensa virtauslaskentaa
Apexin kuvaamassa kehityssyklissä mallin virheet toimivat vihjeinä siitä, mitä kannattaisi kouluttaa lisää. Laskennallisen virtausdynamiikan eli CFD:n esimerkissä Apex Research analysoi arviointitestissä havaittuja virheitä, paikansi niihin liittyviä päättelyongelmia ja loi uusia tieteellisiä harjoitusesimerkkejä. Järjestelmän kerrotaan tarkistaneen esimerkit ennen niiden lisäämistä myöhempään koulutukseen.17
28
Apex liittää tähän kohdennetun datan käyttöön 32,1 pisteen parannuksen yhtiön sisäisessä CFD-Bench-testissä. Kyse on piste-erosta, ei 32,1 prosentin kasvusta. Koska tulos perustuu yhtiön omaan arviointiin, sitä on syytä pitää yrityksen raportoimana havaintona, ei riippumattomana vertailutuloksena.17
28
Apex kertoo automatisoidun järjestelmän osallistuneen myös koulutusdatan tuottamiseen ja kokeiden tekemiseen. Yhtiötä käsittelevässä profiilissa järjestelmälle luetaan lisäksi grafiikkasuorittimen (GPU) ydinkoodin optimointia.1
6 Käytettävissä olevat lähteet eivät kuitenkaan anna vertailukelpoisia lukuja koulutuksen läpimenosta tai vastausnopeudesta eivätkä riittävästi yksityiskohtia tehokkuusväitteiden arvioimiseksi.
Mitä yhtiön vertailutesteistä kerrotaan?
Alla olevat tulokset ovat Apexin ilmoittamia tai sen julkaisua käsittelevissä jutuissa raportoituja. Ne kertovat yhtiön omista arvioinneista, eivät riippumattomasti vahvistetuista mallien paremmuusjärjestyksistä.17
28
30
38
- 21 vertailutestiä: Julkaisua koskevan raportoinnin mukaan Apex-35B-V1.0 sai Qwen3.6-35B-A3B:tä paremman tuloksen 20 testissä 21:stä. Noin 40 miljardin parametrin Recursive SuperIntelligencen Flint-malliin verrattuna Apexin kerrotaan olleen parempi 18 testissä ja tasoissa yhdessä. Testit kattoivat tutkimusta, agenttitehtäviä, ohjelmointia ja päättelyä.
17
- Kuusi tutkimustestiä: Apexin mukaan malli päihitti Qwen3.6-35B-A3B:n ja Recursive Flintin kaikissa kuudessa arvioidussa tutkimustestissä.
28
30
- PaperBench ja FrontierScience: Raportissa Apexin PaperBench-tulokseksi ilmoitetaan 60,9 ja FrontierScience-tulokseksi 40,0. Qwen3.6-35B-A3B:n vastaavat tulokset olivat 45,8 ja 21,7; GLM-5.3:n 42,5 ja 30,7.
- Muita vertailuja: Apex kertoo päihittäneensä GLM-5.3:n FrontierScience- ja PaperBench-testeissä sekä DeepSeek-V4.1-Flash-1017:n BioMysteryBench-testin Human-difficult-osiossa. Yhtiön mukaan sillä oli myös vertailussa mukana olleista malleista korkein BFCL V4 -tulos. Väite koskee siis nimenomaan kyseistä vertailujoukkoa, ei kaikkia olemassa olevia malleja.
38
- Robotiikkaan liittyvät testit: Apex ilmoittaa tuloksiksi 44,5 RoboRSI-testissä ja 21,55 Real2Sim-testissä. Mallimateriaalien mukaan sen käyttökohteisiin kuuluvat robottien tehtävien suorittaminen, liikeratojen kerääminen ja simuloitujen ympäristöjen rakentaminen todellisten kohtausten pohjalta.
21
18
Mitä tuloksista voi päätellä — ja mitä ei?
Apexin konkreettisin esimerkki automaattisen tutkimustyön hyödyntämisestä on CFD-kehityssykli: virheiden tunnistaminen, kohdennettujen esimerkkien luominen ja tarkistaminen sekä jatkokoulutus. Se kuvaa uskottavasti yhtä tapaa, jolla automatisoitu analyysi voi tukea mallin kehittämistä. Yksinään se ei kuitenkaan osoita, että malli kykenisi itsenäiseen tai avoimeen rekursiiviseen itsensä parantamiseen.17
28
Apex-35B-V1.0 on Qwen-pohjainen malli, jonka avoimet painot ovat saatavilla ja jonka kehittäjä raportoi parannuksista omissa arvioinneissaan. Käytettävissä olevissa lähteissä ei ole riippumattomasti varmennettuja vertailutuloksia eikä vertailukelpoisia mittauksia koulutuksen läpimenosta tai vastausnopeudesta. Nämä puutteet on hyvä pitää mielessä, kun yhtiön suorituskykyväitteitä suhteuttaa muihin malleihin.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Apexin Qwen-pohjainen malli sai lisäpotkua tekoälyn tekemästä tutkimustyöstä"?
Apex 35B V1.0 on Qwen3.6 35B A3B malliin perustuva avoimilla painoilla julkaistu malli, jonka painot löytyvät Hugging Facesta.
What are the key points to validate first?
Apex 35B V1.0 on Qwen3.6 35B A3B malliin perustuva avoimilla painoilla julkaistu malli, jonka painot löytyvät Hugging Facesta. Mallia kuvataan yleiskäyttöiseksi: sen käyttökohteisiin kuuluvat ohjelmointi, työkalujen käyttö sekä tutkimus muun muassa laskennallisessa tieteessä ja robotiikan simuloinnissa.
What should I do next in practice?
Apex kertoo mallin päihittäneen Qwen pohjan useissa omissa testeissään, mutta tuloksia ei ole näissä lähteissä riippumattomasti vahvistettu.