35B 参数的模型，在「人类最后的考试」HLE 上拿到 47.2 分，超过了 500B 参数级的 DeepSeek-V4.1-Flash——这是清华人工智能学院 27 岁助理教授陈勇超创立的超衍智能交出的第一份答卷：成立仅四个月，就发布了首个模型 Apex-35B-V1.0，并把权重和技术博客全部公开。

这是什么：一款会「做研究」的 35B 模型

Apex-35B-V1.0 基于 Qwen3.6-35B-A3B 做中训练和后训练，加入了大量超衍智能自有的数据集与研究轨迹。定位是「兼顾通用能力与研究能力」：既能干 Coding、Agent、问答、深度搜索这些常规活，也能深度参与 AI 研究、计算科学和机器人仿真。

成绩单相当硬。团队用研究、智能体、编程、推理四大方向共 21 项基准做检验：

• 对比同量级 Qwen3.6-35B-A3B：21 项中 20 项领先；
• 对比美国 Recursive 公司的 Flint（40B）：18 项领先、1 项持平；
• 越级挑战：部分高难度评测超过 500B 的 DeepSeek-V4.1-Flash 和 800B 级的 GLM-5.3。

两个单项尤其扎眼。OpenAI 推出的 FrontierScience（奥赛级+博士级科学难题），Apex 拿 40.0 分，是 Flint 的 8 倍，还超过了总参数 753B 的 GLM-5.3（30.7 分）；考察「从零复现 ICML 论文」的 PaperBench，Apex 得 60.9 分，约为 Flint 的 2.1 倍。工具调用榜单 BFCL V4 上它以 84.0 分居首，比 GLM-5.3 和 DeepSeek-V4.1-Flash 分别高 8.2 和 9.0 分。

为什么值得关注：RSI 路线的中美正面对撞

Apex 背后的打法比模型本身更有看头。超衍智能把「递归自我改进」（RSI）引入研发流程——让 AI 参与实验、分析结果，验证有效的成果再反哺下一代研发。这套思路 Sam Altman 和 Anthropic 的 Dario Amodei 一两年前就公开推演过，如今开始落地成产品。

同一赛道上，美国 Recursive Superintelligence 由前 Salesforce 首席科学家 Richard Socher 领衔、田渊栋联合创立，今年 5 月完成 6.5 亿美元融资（估值 46.5 亿美元），7 月又和 AWS 签了 4.1 亿美元的多年期算力协议，10 月 22 日发布 40B MoE 模型 Flint。相比之下，超衍智能今年 6 月才成立，两轮融资总额接近 4 亿元人民币，算力和资金都小一个量级——但首款模型在 21 项对比中赢下 18 项。

具体落地靠自动化研究系统 Apex Research，干三件事：按模型短板自动生成训练数据（CFD 内部评测因此提升 32.1 分）；分析失败轨迹调整训练方案，解决「推理过长走神」和「数据配比偏科」；优化基础设施，训练吞吐量提升 45%–60%，解码速度提升到 1.6–1.8 倍，首 Token 延迟降 30%–35%。

对普通用户有什么用

模型已开源，技术博客、GitHub 和 Hugging Face 页面同步放出，35B 体量意味着本地部署门槛远低于数百 B 的巨头模型。官方展示的几个案例也能看出实用方向：

• 计算科学：扑翼运动优化任务中最高净推力 0.164，优于 GLM-5.3 的 0.150；CFD-Bench 上对同基线胜率 79%；
• 机器人仿真：Real2Sim 场景重建得分 21.55，约为基础 Qwen 模型的 10 倍，接近 GLM-5.3 水平；
• AI 带 AI：Apex 当「导师」调教 Qwen2.5-3B 解推箱子谜题，12 小时重训后成功率从 11.7% 升到 24.4%；参与 Stable Diffusion 1.5 微调，审美评分提升约 23%。

RSI 最吸引人的地方在于滚雪球效应：每轮实验暴露的问题成为下一轮研究的起点。如果这套循环能持续转动，资金和算力的差距未必能决定最终的模型实力——一家四个月大的中国创业公司已经用 35B 给出了第一个证据。

更多 AI 工具与教程见 AI 智库。