JawabanDipublikasikan20 sumber
Apex-35B-V1.0: Cara Riset AI Membantu Mengembangkan Model Berbasis Qwen
Apex 35B V1.0 adalah model berbobot terbuka berbasis Qwen3.6 35B A3B; bobotnya tersedia di Hugging Face. Model ini ditujukan untuk tugas umum seperti pemrograman dan penggunaan alat, serta riset AI, sains komputasi, dan simulasi robotika.
Diterbitkan olehDiedit dengan GPT-6 LunaGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- Apex 35B V1.0 adalah model berbobot terbuka berbasis Qwen3.6 35B A3B; bobotnya tersedia di Hugging Face.
- Model ini ditujukan untuk tugas umum seperti pemrograman dan penggunaan alat, serta riset AI, sains komputasi, dan simulasi robotika.
- Apex melaporkan kenaikan 32,1 poin pada CFD Bench internal dan hasil unggul di sejumlah benchmark, tetapi klaim tersebut belum dibuktikan lewat evaluasi independen.
AI Perintah
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 adalah model pertama dari Apex Intelligence. Model berbobot terbuka ini dibangun di atas Qwen3.6-35B-A3B dari Alibaba, lalu dikembangkan lebih lanjut melalui tahap mid-training dan post-training. Jadi, klaim utamanya bukan bahwa model ini dilatih dari nol, melainkan bahwa Apex Research membantu menyiapkan data terarah dan menggunakan hasil evaluasi untuk memandu pengembangan berikutnya. Apex melaporkan kenaikan 32,1 poin pada CFD-Bench internal; hasil ini dan klaim benchmark lainnya belum terverifikasi secara independen dalam sumber yang tersedia.2
17
21
Apa itu Apex-35B-V1.0 dan di mana mendapatkannya?
Model ini ditujukan untuk penggunaan umum sekaligus riset. Deskripsi model mencakup kemampuan pemrograman, penggunaan alat, tanya jawab, dan pencarian mendalam, serta tugas riset di bidang AI, sains komputasi, dan simulasi robotika. Materi rilis juga menyebut dukungan untuk harness Claude Code.2
21
Bobot model tersedia di Hugging Face melalui repositori Apexintelligence-AI/Apex-35B-V1.0. Repositori resmi dalam format GGUF juga tersedia untuk digunakan dengan runtime lokal yang kompatibel.21
23
Bagaimana Apex Research diklaim meningkatkan hasil CFD?
Dalam contoh komputasi dinamika fluida (computational fluid dynamics/CFD), alur kerja yang dijelaskan Apex menggunakan kesalahan model saat evaluasi sebagai petunjuk untuk pelatihan lanjutan. Apex Research menganalisis kesalahan tersebut, mengidentifikasi masalah penalaran, membuat dan memverifikasi contoh pelatihan ilmiah baru, lalu memasukkannya ke tahap pelatihan berikutnya.17
28
Apex mengaitkan proses pengumpulan data terarah ini dengan kenaikan 32,1 poin pada CFD-Bench internal. Angka tersebut adalah kenaikan poin, bukan peningkatan 32,1 persen. Karena hasilnya berasal dari evaluasi internal, angka itu sebaiknya dipahami sebagai temuan yang dilaporkan perusahaan, bukan hasil benchmark independen.17
28
Apex juga menyebut sistem otomatisnya berkontribusi pada pembuatan data pelatihan dan pelaksanaan eksperimen. Sebuah profil perusahaan turut mengaitkan sistem tersebut dengan optimasi kernel GPU.1
6 Namun, materi yang dirujuk di sini tidak menyajikan angka pembanding yang setara untuk kecepatan pelatihan maupun kecepatan decoding, atau rincian pengukuran yang cukup untuk menilai klaim efisiensi itu.
Apa yang ditunjukkan perbandingan benchmark?
Perbandingan berikut dilaporkan oleh Apex atau dalam pemberitaan tentang rilisnya. Hasilnya dapat memberi gambaran tentang evaluasi perusahaan, tetapi bukan peringkat yang telah diverifikasi secara independen.17
28
30
38
- Di 21 benchmark: Laporan rilis menyebut Apex-35B-V1.0 meraih hasil lebih tinggi daripada Qwen3.6-35B-A3B pada 20 benchmark. Dibandingkan dengan Flint dari Recursive SuperIntelligence, yang memiliki sekitar 40 miliar parameter, Apex dilaporkan unggul pada 18 benchmark dan imbang pada satu. Evaluasi mencakup riset, tugas berbasis agen, pemrograman, dan penalaran.
17
- Tes riset: Apex menyatakan modelnya mengungguli Qwen3.6-35B-A3B dan Recursive Flint pada keenam benchmark riset yang dievaluasi.
28
30
- PaperBench dan FrontierScience: Sebuah laporan mencantumkan skor Apex 60,9 di PaperBench dan 40,0 di FrontierScience. Sebagai perbandingan, Qwen3.6-35B-A3B mendapat 45,8 dan 21,7, sedangkan GLM-5.3 meraih 42,5 dan 30,7.
- Perbandingan lain: Apex menyatakan modelnya mengungguli GLM-5.3 di FrontierScience dan PaperBench, mendapat hasil lebih tinggi daripada DeepSeek-V4.1-Flash-1017 pada bagian Human-difficult di BioMysteryBench, serta mencatat skor BFCL V4 tertinggi di antara model yang mereka bandingkan.
38 Klaim BFCL itu terbatas pada kelompok pembanding tersebut, bukan seluruh model yang tersedia.
- Tes terkait robotika: Rilis Apex melaporkan skor 44,5 di RoboRSI dan 21,55 di Real2Sim. Materi model menyebut simulasi robotika, pelaksanaan tugas robot, pengumpulan lintasan gerak, serta rekonstruksi adegan dari dunia nyata ke simulasi sebagai kemampuan yang relevan.
21
18
Seberapa kuat bukti yang tersedia?
Contoh paling konkret dari pendekatan riset otomatis yang diklaim Apex adalah alur CFD: menemukan kesalahan, membuat dan memverifikasi contoh data terarah, lalu melatih model kembali. Penjelasan ini memberi gambaran tentang bagaimana analisis otomatis dapat membantu pengembangan model. Namun, contoh tersebut saja tidak membuktikan adanya peningkatan diri yang sepenuhnya otonom dan berlangsung tanpa batas.17
28
Apex-35B-V1.0 tersedia sebagai model berbobot terbuka yang dibangun di atas Qwen, dan perusahaan melaporkan hasil lebih baik pada sejumlah evaluasi internal. Meski begitu, materi yang dirujuk belum menyajikan hasil benchmark yang diverifikasi secara independen maupun pengukuran sebanding untuk kecepatan pelatihan dan decoding. Batasan ini penting saat menilai klaim kinerja atau membandingkan model dengan sistem lain.
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "Apex-35B-V1.0: Cara Riset AI Membantu Mengembangkan Model Berbasis Qwen"?
Apex 35B V1.0 adalah model berbobot terbuka berbasis Qwen3.6 35B A3B; bobotnya tersedia di Hugging Face.
Apa poin penting yang harus divalidasi terlebih dahulu?
Apex 35B V1.0 adalah model berbobot terbuka berbasis Qwen3.6 35B A3B; bobotnya tersedia di Hugging Face. Model ini ditujukan untuk tugas umum seperti pemrograman dan penggunaan alat, serta riset AI, sains komputasi, dan simulasi robotika.
Apa yang harus saya lakukan selanjutnya dalam latihan?
Apex melaporkan kenaikan 32,1 poin pada CFD Bench internal dan hasil unggul di sejumlah benchmark, tetapi klaim tersebut belum dibuktikan lewat evaluasi independen.