Apodex发布Apodex 1.1：面向复杂科研工作的新一代Agent，把推理嵌入真实任务执行

82 0

很多AI深度研究工具的终点是输出一份报告。但现实里真正的科研工作，恰恰是报告写完之后才正式开始：处理零散论文、表格、实验记录、异构文件，清洗数据、挑选分析方法、写代码跑实验、解读输出结果，还要根据中间产出动态调整计划，最终所有结论必须能够回溯数据、代码与证据链。

模型：https://huggingface.co/collections/apodex/apodex-11

Apodex 1.1就是针对这套完整链路打造的Agent系统。它不再把生成报告作为任务终点，而是做成一套可以陪伴研究者走完完整流程的在线工作台。搜索、文件读写、代码运行、工具调用不是附加功能，而是模型推理落地现实环境的手段。

核心观点：能输出答案，和可验证地把一整套复杂任务执行到底，是两件完全不同的事。
完整的任务能力单元包含六大要素：理解真实目标、在文件‑代码‑工具环境内行动、长任务中维护更新自身状态、响应过程中新反馈、从失败中恢复而不是全盘重来、输出可被审查核验的交付结果。Apodex 1.1围绕这套能力单元重构整体执行逻辑。

本次更新包含完整能力的Apodex 1.1在线工作台，同时开放本地部署路线：FrontierAgent执行框架，以及35B参数可本地运行的 Apodex 1.1 mini。开发者可以在自有环境复用同一套复杂任务范式。下一代模型预训练工作也已经启动，本次大量工程与数据积累会延续迭代。

Apodex发布Apodex 1.1：面向复杂科研工作的新一代Agent，把推理嵌入真实任务执行

不只是文献综述，直面真实异构科研数据

传统深度搜索Agent更擅长网页文本。但科研证据大量存放在PDF、CSV、Excel、图像、实验导出文件、领域专属格式内。只靠文献阅读无法完成完整研究。

Apodex 1.1不会把复杂问题简化成问答来回避数据复杂性，而是尽量在原始文件环境走完全部工作链路。
文中举例的真实任务：分析EASIX对异基因移植后EBV再激活患者生存期的预后影响。完整流程包含读取原始数据表与数据字典、数据清洗、选择统计方案、运行生存分析代码、输出KM曲线与统计表，输出可溯源结论；遇到缺失值、格式异常、统计假设不满足时，会说明调整逻辑继续推进，而不是直接报错或给出模糊回答。

同类适用场景覆盖材料科学、生物信息、药物计算：XRD衍射索引精修、蛋白小分子批量对接、合金纳米压痕曲线拟合。这类任务输入就是原始实验数据，Agent必须真正操作文件与代码，不能只做表面总结。

任务中途可人工介入，不必推倒重来

复杂科研任务很难一开始就写死全部指令。新数据推翻假设、原始素材存在缺陷、研究者中途想要扩大/缩小分析范围，都是常态。旧有Agent大多只能等待输出全部结果，再重新发起一轮任务，长耗时任务成本极高。

Apodex 1.1将人工干预作为任务流程原生一部分。用户中途输入新要求后，系统会甄别哪些中间产物依旧有效，更新后续执行计划，从当前状态继续推进，不会丢弃已有工作全部重跑。

在多份合同尽调、批量文档审查场景价值尤为突出：中途新增文件、新增审查标准，系统保留有效分析，只重新处理受影响部分。

长时任务：过程状态可视化，拒绝黑盒等待

Agent任务动辄数十分钟，只展示加载动画无法建立可信度。用户需要清晰看见：计划的子任务、当前执行项、已完成产物、失败/重试节点、需要确认的步骤。

Apodex不会把模型原始冗长内部思考全部抛给界面，而是输出人类可读的任务状态：计划、步骤、产出、依赖、异常、后续动作。后台由AgentOS持续维护状态，任务规划由模型运行时动态生成，并非写死的固定模板。评判任务好坏，不只看完成率，还要看故障恢复能力、计划与现实的匹配度、问题定位成本。

异步 Agent Team：动态拆分任务，子代理并行探索

在Deep Discover模式下，Apodex 1.1可以动态组建异步Agent Team。不是硬编码编排脚本，而是模型自主判断是否拆分任务、拆成多少子代理、何时合并结果、何时调整方向。

多个子代理并行探索不同假设、证据源、子课题，中间结果持续回流主任务，不用等待全部分支结束再汇总。

举例：一个子代理梳理文献证据，一个做数据分析，第三个专门验证方法、寻找反例。

对比传统同步工作流：某一条分支卡顿、报错，不会卡住整体进度；有用的中间发现可以立刻更新全局任务优先级，低价值路径可以直接终止。用户随时查看进度、追加文件、补充条件、要求深挖、暂停或者放弃特定分支。

异步Agent Team带来两层收益：并行协作缩短整体耗时；模型‑子代理‑用户形成持续反馈闭环，长任务可控可观测，不再是提交之后只能等待的黑盒子。

声明审查：关键结论独立核验

报告内部不同论断可信度差异巨大：统计显著性、论文引用、计算输出、推论猜测，应当被区分开。

声明审查把“生成内容”和“核查内容”拆成两步，关键论断交付给用户之前经过独立检查。不等于保证绝对正确，而是完整暴露证据链、冲突点、不确定性。遇到证据不足、引用不符、计算冲突，标记问题并修正，不直接输出有问题结论，同时留存完整审查记录。

AgentOS：两套扩展路径共用同一底层运行时

整套能力建立在AgentOS之上，支撑两条互补的扩展方向：

环境扩展：面向真实场景搭建任务流水线。数千万级高质量训练任务覆盖文件、代码、工具调用、多步科研流程；同步增强本地检索与知识图谱，服务论文跨源分析。
代理协调扩展：也就是Agent Team能力，训练模型自主拆解任务、调度子代理、整合多分支输出。

AgentOS在单次任务生命周期维护文件、工具、任务进度，管控子代理生命周期与统一校验。环境扩展、代理协调扩展共享同一套运行底座。

PIVOT‑RL：面向长轨迹任务的强化学习

长时Agent训练面临一大难题：任务最终成败只能给出粗糙监督信号，一次成功轨迹中依旧会有大量低效决策；失败轨迹中也包含大量有效前置工作。

Apodex 1.1使用PIVOT‑RL来解决：回溯数十万历史轨迹，定位任务走向发生偏移的关键决策点（pivot）；保留已经正确执行的前置流程，构建局部接续训练样本。局部样本和完整无提示任务混合训练，模型聚焦高频出错的关键节点学习，同时保留独立跑完完整任务的能力，大幅提升长轨迹环境下持续推理、工具使用、故障恢复、多代理协作水平。

AI4AI：用Agent训练更小模型

Apodex 1.1本身的执行能力还可以反向用于模型训练。它可以自动出题、筛选轨迹、运行评估，充当教师，不依赖人工标注或其他更强大模型。文中演示案例：使用Apodex 1.1迭代训练Qwen3.5‑0.8B，在临床试验、蛋白数据库检索共200道测试集上，总分由51.0%提升至56.0%。具备完整执行能力的Agent，本身也可以变成产出其他模型能力的生产力。

产品版本

Apodex 1.1（完整版）在线工作台
网页端可用，长时任务中加载论文、数据集、表格、图像、代码，完成搜索、文件处理、代码执行、Agent Team协作，输出可核验交付物。API接入后续上线。
Apodex 1.1 mini（35B）
具备高能力密度，在科研、金融复杂任务达到前沿系统区间。可本地部署，搭配开源FrontierAgent harness运行ReAct或者Agent Team模式，把整套复杂工作流搬进自有环境。