AnswersPublished20 sources
Apex bygger vidare på Qwen – och pekar på AI-driven forskning
Apex 35B V1.0 är en modell med öppna vikter, byggd på Qwen3.6 35B A3B och tillgänglig på Hugging Face. Apex uppger att dess system analyserade CFD fel, tog fram och verifierade nya tränings exempel och bidrog till en förbättring på 32,1 poäng i bolagets interna CFD Bench.
Publicerad avRedigerad med GPT-6 LunaBilder genererade med GPT Image 2
Research answer
Key takeaways
- Apex 35B V1.0 är en modell med öppna vikter, byggd på Qwen3.6 35B A3B och tillgänglig på Hugging Face.
- Apex uppger att dess system analyserade CFD fel, tog fram och verifierade nya tränings exempel och bidrog till en förbättring på 32,1 poäng i bolagets interna CFD Bench.
- Bolaget redovisar starka resultat på flera benchmarktester, men jämförelserna är inte oberoende verifierade och underlaget ger inga jämförbara siffror för träningstakt eller avkodningshastighet.
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 är den första modellen från Apex Intelligence. Den bygger på Alibaba-modellen Qwen3.6-35B-A3B och har vidareutvecklats genom ytterligare träning – den är alltså inte tränad från grunden. Det som sticker ut i lanseringen är Apex påstående att bolagets AI-system, Apex Research, hjälpte till att ta fram träningsdata och styra förbättringar med hjälp av testresultat. Apex rapporterar en ökning på 32,1 poäng i sitt interna CFD-Bench. Resultatet, liksom övriga benchmarkjämförelser, är inte oberoende verifierat i källorna här.2
17
21
Vad modellen gör – och var den finns
Apex beskriver modellen som användbar både för allmänna uppgifter och forskning. Modellbeskrivningen nämner programmering, verktygsanvändning, frågesvar och avancerad sökning, liksom forskning inom AI, beräkningsvetenskap och robotsimulering. Materialet anger också stöd för Claude Code.2
21
Modellvikterna finns på Hugging Face under Apexintelligence-AI/Apex-35B-V1.0. Det finns även en officiell GGUF-version för kompatibla lokala körmiljöer.21
23
Så beskriver Apex förbättringen i CFD
Apex uppger att Apex Research använde modellens misstag som underlag för vidare träning. I exemplet med beräkningsströmningsmekanik – CFD, computational fluid dynamics – analyserade systemet fel från utvärderingar och identifierade problem i modellens resonemang. Därefter skapade och verifierade det nya vetenskapliga träningsexempel, som lades till i senare träning.17
28
Enligt Apex gav den här riktade dataloopen 32,1 poäng bättre resultat på bolagets interna CFD-Bench. Det handlar om en ökning i poäng, inte 32,1 procent. Eftersom testet är internt bör resultatet ses som bolagets egen uppgift, inte som ett oberoende benchmarkfynd.17
28
Apex beskriver också sitt automatiserade system som ett verktyg för att skapa träningsdata och genomföra experiment. En företagsprofil tillskriver systemet även optimering av GPU-kärnor.1
6 De källor som anges här redovisar däremot inga jämförbara siffror för träningstakt eller avkodningshastighet, och inte tillräckligt med mätinformation för att bedöma effektivitetsanspråken.
Vad benchmarkresultaten visar – enligt Apex
Jämförelserna nedan kommer från Apex eller rapportering om lanseringen. De ger en bild av bolagets egna utvärderingar, men ska inte läsas som oberoende fastställda placeringar.17
28
30
38
- 21 benchmarktester: Enligt rapporteringen fick Apex-35B-V1.0 högre resultat än Qwen3.6-35B-A3B i 20 av 21 tester. Jämfört med Recursive SuperIntelligences Flint, som har omkring 40 miljarder parametrar, uppges Apex ha varit före i 18 tester och delat resultatet i ett. Testerna omfattade forskning, agentuppgifter, programmering och resonemang.
17
- Forskningstester: Apex säger att modellen slog både Qwen3.6-35B-A3B och Recursive Flint i samtliga sex forskningstester som bolaget utvärderade.
28
30
- PaperBench och FrontierScience: En rapport anger 60,9 poäng för Apex på PaperBench och 40,0 på FrontierScience. Motsvarande resultat för Qwen3.6-35B-A3B anges till 45,8 respektive 21,7. Rapporten redovisar också 42,5 på PaperBench och 30,7 på FrontierScience för GLM-5.3.
- Andra jämförelser: Apex uppger att modellen slog GLM-5.3 på FrontierScience och PaperBench, fick högre resultat än DeepSeek-V4.1-Flash-1017 på BioMysteryBench-testets Human-difficult-del och hade högst BFCL V4-resultat bland modellerna bolaget jämförde med.
38 BFCL-uppgiften gäller alltså den jämförelsegruppen, inte alla modeller som finns.
- Robottest: I Apex lanseringsmaterial anges resultaten 44,5 på RoboRSI och 21,55 på Real2Sim. Modellmaterialet lyfter fram robotsimulering, utförande av robotuppgifter, insamling av rörelsebanor och rekonstruktion av verkliga scener i simulering som relevanta användningsområden.
21
18
En konkret träningsloop – inte bevis för självgående AI-forskning
Det tydligaste exemplet på Apex påstådda arbetssätt är CFD-loopen: hitta fel, ta fram och verifiera riktade träningsexempel och träna vidare. Det beskriver konkret hur automatiserad analys kan bidra till modellutveckling. Men exemplet visar inte i sig att modellen bedriver autonom eller obegränsad forskning och förbättrar sig själv utan mänsklig styrning.17
28
Apex-35B-V1.0 finns som en modell med öppna vikter byggd på Qwen, och bolaget rapporterar förbättringar i egna utvärderingar. Samtidigt saknas oberoende verifierade benchmarkresultat och jämförbara mått för träningstakt och avkodningshastighet i källorna här. Det är viktiga begränsningar att ha i åtanke när resultaten jämförs med andra modeller.
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 bygger vidare på Qwen – och pekar på AI-driven forskning"?
Apex 35B V1.0 är en modell med öppna vikter, byggd på Qwen3.6 35B A3B och tillgänglig på Hugging Face.
What are the key points to validate first?
Apex 35B V1.0 är en modell med öppna vikter, byggd på Qwen3.6 35B A3B och tillgänglig på Hugging Face. Apex uppger att dess system analyserade CFD fel, tog fram och verifierade nya tränings exempel och bidrog till en förbättring på 32,1 poäng i bolagets interna CFD Bench.
What should I do next in practice?
Bolaget redovisar starka resultat på flera benchmarktester, men jämförelserna är inte oberoende verifierade och underlaget ger inga jämförbara siffror för träningstakt eller avkodningshastighet.