AnswersPublished20 sources
Apex bouwde voort op Qwen — en laat zijn AI-onderzoeker het werk verbeteren
Apex 35B V1.0 is een open weightmodel op basis van Qwen3.6 35B A3B; de gewichten staan op Hugging Face. Het model is bedoeld voor onder meer programmeren, tools gebruiken, algemene vragen en onderzoek in AI, wetenschap en roboticasimulatie.
Gepubliceerd doorBewerkt met GPT-6 LunaAfbeeldingen gegenereerd met GPT Image 2
Research answer
Key takeaways
- Apex 35B V1.0 is een open weightmodel op basis van Qwen3.6 35B A3B; de gewichten staan op Hugging Face.
- Het model is bedoeld voor onder meer programmeren, tools gebruiken, algemene vragen en onderzoek in AI, wetenschap en roboticasimulatie.
- Apex meldt betere scores dan Qwen en Recursive Flint op veel eigen tests. De benchmarkresultaten zijn niet onafhankelijk bevestigd.
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 is het eerste model van Apex Intelligence. Het is geen model dat vanaf nul is getraind: de basis is Alibaba’s Qwen3.6-35B-A3B, waarop Apex verder heeft getraind met mid-training en post-training. Het bedrijf zegt dat zijn geautomatiseerde onderzoekssysteem, Apex Research, hielp om trainingsdata te maken en verbeteringen te sturen.2
17
21
De opvallendste concrete claim: gerichte trainingsvoorbeelden zouden de score op Apex’ interne CFD-Bench met 32,1 punten hebben verhoogd. Dat is een door het bedrijf gerapporteerd resultaat, geen onafhankelijk bevestigde benchmarkwinst.17
28
Wat is Apex-35B-V1.0?
Apex positioneert het model voor algemeen gebruik én onderzoek. De modelbeschrijving noemt onder meer programmeren, tools gebruiken, vragen beantwoorden en uitgebreid zoeken, naast onderzoek in AI, computationele wetenschap en roboticasimulatie. Ook wordt ondersteuning voor een Claude Code-harnas genoemd.2
21
De modelgewichten zijn beschikbaar op Hugging Face onder Apexintelligence-AI/Apex-35B-V1.0. Er is ook een officiële GGUF-uitvoering voor compatibele lokale runtimes.21
23
Van model fout naar extra trainingsdata
Apex beschrijft de werkwijze aan de hand van computational fluid dynamics (CFD), oftewel numerieke stromingsleer. Apex Research analyseerde fouten die het model tijdens evaluaties maakte, zocht uit welke redeneerproblemen daarachter zaten en genereerde vervolgens nieuwe wetenschappelijke voorbeelden. Die voorbeelden werden gecontroleerd en toegevoegd aan een volgende trainingsronde.17
28
Volgens Apex leverde die gerichte aanpak 32,1 punten winst op de interne CFD-Bench op. Het gaat om punten, niet om een stijging van 32,1 procent. Omdat het om een interne test gaat, is de uitkomst het best te lezen als een bedrijfsclaim en niet als een onafhankelijk vastgesteld resultaat.17
28
Apex zegt daarnaast dat zijn geautomatiseerde systeem bijdroeg aan het maken van trainingsdata en het uitvoeren van experimenten. Een bedrijfsprofiel schrijft het systeem ook optimalisatie van GPU-kernels toe.1
6 De beschikbare bronnen geven geen vergelijkbare cijfers voor trainingsdoorvoer of decodeersnelheid, en bieden onvoldoende meetdetails om die efficiëntieclaims goed te beoordelen.
Wat Apex’ benchmarkcijfers laten zien
De onderstaande resultaten zijn gemeld door Apex of door berichtgeving over de release. Ze geven een indruk van de eigen evaluaties van het bedrijf, maar zijn geen onafhankelijk geverifieerde ranglijst.17
28
30
38
- 21 benchmarks: Volgens berichtgeving scoorde Apex-35B-V1.0 op 20 tests hoger dan Qwen3.6-35B-A3B. Vergeleken met Recursive Flint, een model met ongeveer 40 miljard parameters, zou Apex op 18 tests hebben gewonnen en één test gelijk hebben gespeeld. De tests gingen over onderzoek, agenttaken, programmeren en redeneren.
17
- Onderzoekstests: Apex zegt op alle zes door het bedrijf geëvalueerde onderzoekbenchmarks beter te hebben gescoord dan Qwen3.6-35B-A3B en Recursive Flint.
28
30
- PaperBench en FrontierScience: In een gerapporteerde vergelijking haalde Apex 60,9 op PaperBench en 40,0 op FrontierScience. Qwen3.6-35B-A3B kwam uit op respectievelijk 45,8 en 21,7; voor GLM-5.3 werden 42,5 en 30,7 gemeld.
- Andere vergelijkingen: Apex zegt beter te hebben gescoord dan GLM-5.3 op FrontierScience en PaperBench, en dan DeepSeek-V4.1-Flash-1017 op het onderdeel Human-difficult van BioMysteryBench. Ook claimt het bedrijf de hoogste BFCL V4-score te hebben behaald van de modellen die het zelf vergeleek. Dat laatste zegt dus niet dat het model van alle beschikbare modellen de hoogste score heeft.
38
- Robotica: Apex rapporteert scores van 44,5 op RoboRSI en 21,55 op Real2Sim. De modelinformatie noemt robotica-gerelateerde toepassingen zoals taakuitvoering, het verzamelen van bewegingstrajecten en het reconstrueren van scènes van de echte wereld naar een simulatie.
21
18
Wat de claims wel en niet aantonen
De CFD-werkwijze is het duidelijkste voorbeeld van hoe Apex AI-onderzoek inzet bij modelontwikkeling: fouten analyseren, gerichte voorbeelden maken en controleren, en het model daarna opnieuw trainen. Dat geeft een concreet beeld van een mogelijke bijdrage van automatisering. Op zichzelf bewijst het geen autonome of onbegrensde zelfverbetering.17
28
Apex-35B-V1.0 is beschikbaar als open-weightmodel dat voortbouwt op Qwen, en het bedrijf meldt verbeteringen op verschillende eigen evaluaties. Tegelijk ontbreken in de aangehaalde bronnen onafhankelijk bevestigde benchmarks en vergelijkbare cijfers over trainingsdoorvoer en decodeersnelheid. Die kanttekeningen zijn belangrijk bij het wegen van de prestatieclaims en vergelijkingen met andere modellen.
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 "Apex bouwde voort op Qwen — en laat zijn AI-onderzoeker het werk verbeteren"?
Apex 35B V1.0 is een open weightmodel op basis van Qwen3.6 35B A3B; de gewichten staan op Hugging Face.
What are the key points to validate first?
Apex 35B V1.0 is een open weightmodel op basis van Qwen3.6 35B A3B; de gewichten staan op Hugging Face. Het model is bedoeld voor onder meer programmeren, tools gebruiken, algemene vragen en onderzoek in AI, wetenschap en roboticasimulatie.
What should I do next in practice?
Apex meldt betere scores dan Qwen en Recursive Flint op veel eigen tests. De benchmarkresultaten zijn niet onafhankelijk bevestigd.