M 贤紫精选模型市场
返回模型市场

AREX-2

推理增强 · AREX-2 · Q4_K_M

AREX-2 BAAI 智源 Agent 长周期智能体 自我反思 多模态 262K上下文 GGUF imatrix量化 llama.cpp 代码 深度研究

BAAI AREX-2 · Llamacpp imatrix 量化版

AREX-2 的多模态长周期智能体模型的 GGUF 量化版本,由 BAAI 官方发布。

基础信息

项目说明
模型名称AREX-2(Llamacpp imatrix 量化版)
发布机构北京智源人工智能研究院(BAAI)
原始模型BAAI/AREX-2
参数量27B(源检查点)
输入模态文本、图像(需配合 mmproj 文件)
推测解码否
imatrix是
量化工具llama.cpp b11259
量化仓库llama.cpp
多模态(mmproj)与 imatrix 说明:bartowski/BAAI_AREX-2-GGUF

引言

AREX-2 是由北京智源人工智能研究院(BAAI)开发的一个拥有 270 亿参数的长周期智能体模型。它能够在测试阶段通过多轮迭代不断改进解决方案:提出方案 → 评估效果 → 反思问题 → 进行修订。

AREX-2 在具有可验证反馈的机器学习和算法编程任务上进行训练,同时结合了现有的 AREX 深度研究数据。其所学到的自改进行为可以直接迁移到深度研究任务中,而无需新增搜索轨迹。

架构与参数

项目说明
架构密集型 Qwen3.8 兼容多模态模型
参数量270 亿(27B)
上下文长度262,144 token

核心特性

  1. 长周期自改进:将额外的测试阶段迭代转化为有效的解决方案优化。
  2. 反馈驱动的反思:能够读取分数、日志、错误信息和运行时间,以决定下一步应如何调整。
  3. 跨领域性能:在编码和机器学习任务上的训练,同样能提升模型在深度研究任务中的表现。
  4. 长周期推理能力:随着任务预算的增加,仍能保持高效的迭代过程。

评估

AREX-2 在算法编程、机器学习工程、深度研究以及通用智能体推理任务上进行了评估。评估结果遵循 AREX-2 论文中报告的协议。

1. 编程与机器学习工程

Frontier-CS 是包含 188 项任务的智能体赛道;MLE-Lite 报告的是在三个随机种子上取平均的「任意奖牌(Any Medal)」成绩。

闭源模型

模型参数量Frontier-CSMLE-Lite
GPT-5.6 Sol-76.472.7
Claude Opus 4.8-74.563.6
GPT-5.5-72.168.2
Gemini-3.1-Pro-68.9-
Qwen3.7-Max-61.9-

开源模型

模型参数量Frontier-CSMLE-Lite
Kimi-K32.8T72.7-
Naive-N0.5-Flash309B73.7-
DeepSeek-V4-Pro1.6T44.754.5
DeepSeek-V4-Flash284B39.151.5
Kimi-K2.7-Code1T54.7-
GLM-5.3-Flash320B50.4-
Kimi-K2.61T46.966.7
Frontis-MA1-35B35B71.2-
BigBang-V135B59.1-
Qwen3.6-35B-A3B35B23.439.4
AREX-227B70.781.8

2. 通用智能体推理与深度研究

带 * 的 HLE 值来自完整 HLE 数据集;未标记的值使用仅文本子集。

前沿模型(Frontier models)

模型参数量BrowseCompHLEGAIADeepSearchQA
GPT-5.6 Sol-90.458.0*--
GPT-5.6 Terra-87.5---
GPT-5.6 Luna-83.3---
Kimi-K32.8T91.256.0*-95.0
Claude Fable 5-88.064.5*-94.2
Claude Opus 4.8-84.357.9*-93.1
GPT-5.5-84.452.2*87.4-
Gemini-3.1-Pro-85.951.4*80.693.3

大模型(>40B)

模型参数量BrowseCompHLEGAIADeepSearchQA
GLM-5744B75.950.470.0-
Kimi-K2.61T83.254.0*80.692.5
GLM-5.3-Flash320B-55.3*78.8-
DeepSeek-V4-Flash284B73.245.157.590.6
DeepSeek-V4-Pro1.6T83.448.271.188.7
MiroThinker-1.7235B74.042.982.772.1
XYZ-Aquila-pro397B84.853.3-92.5
Iris-pro397B88.656.4-92.9
AREX-Base122B82.552.485.489.9

小模型(≤40B)

模型参数量BrowseCompHLEGAIADeepSearchQA
Tongyi-DeepResearch-30B30B43.432.970.9-
Qwen3.5-35B35B61.047.480.068.5
XYZ-Aquila-mini35B78.851.197.189.5
BigBang-V135B76.550.3--
Quest-35B35B64.637.280.8-
Apodex-1.0-mini35B71.546.8-82.2
Agents-A135B75.547.696.0-
MiroThinker-1.7-mini30B67.936.480.367.9
Iris-mini35B82.252.3-86.9
AREX-Turbo4B70.740.681.678.5
AREX-227B84.052.692.293.8