开源智能体基础模型 Axion 1.0：两段 SFT 加 RL 的极简配方，35B 权重 Apache 2.0 开放

2026 年 11 月 4 日，arXiv 论文 2611.03233 发布 Axion 1.0——一个「不止开源权重」的开源智能体基础模型。它的核心主张是：一个强力的 Agent 基础模型，可以靠「极简配方」炼成。整个训练只分两段轻量监督微调（SFT）加一轮强化学习（RL），不做专门的 mid-training、DPO 或在线蒸馏，总共约 1.8 万条 SFT 轨迹加 484 条 RL 任务。更关键的是，团队把训练代码、数据构建与 35B 复现权重一并公开，Apache 2.0 许可，试图把「如何造一个开源 Agent 模型」这件事，从玄学变成可复跑的流程。

谁做的、底座是什么

论文作者来自杜克大学、字节跳动、马里兰大学与水牛城大学，包括 Yuqi Jia、Yunjie Tian 等。模型提供 35B 与 122B 两个规模，均为混合专家（MoE）架构：35B 版本基于 Qwen3.6-35B-A3B，总参数 35B、每 token 激活约 3B；122B 版本基于 Qwen3.5-122B-A10B。训练数据约 3.12 亿 token。

极简配方：把复杂度放进数据，而不是管线

Axion 的配方只有三个阶段，思路是用数据本身承担难度，而不是堆砌训练技巧。

第一阶段 SFT 练「自包含科学推理」：团队用公开种子题，改写成更难的题——模型已经会做的题，就通过组合、参数化、范围平移或分情况分析进一步加难，并且每改一次都重新核对参考答案。论文称这种「模型感知」的数据构造，能把难度调到刚好卡在底座模型能力边界上。这一阶段约 10,819 条轨迹。

第二阶段 SFT 练「工具调用与信息检索」：从真实公开数据源和确定性计算中构造可自动验证的任务。这一阶段约 7,544 条轨迹，合计两段 SFT 约 18,363 条。

最后是异步 GRPO 强化学习，打磨长程推理与工具交互，约 484 条 RL 任务。没有 mid-training、没有 DPO、没有在线蒸馏——这正是它想证明的：plain recipe is enough。

成绩：开源里不弱，但仍落后于最强闭源

35B 复现权重的自报成绩为：HLE 52.8、SEAL-0 60.4、FrontierScience Olympiad 85.0、Research 55.0。论文版 122B 在限制网站访问的完整 HLE 上达到 59.0，FrontierScience Olympiad 87.0、Research 66.7。作为对照，Hugging Face 模型卡上 Claude Opus 5 的 HLE 为 63.6——开源模型与最强闭源之间仍有差距，但 Axion 已经把「开源 Agent 基础模型」的天花板往上抬了一截。

开源到什么程度：代码、数据、权重全给

Axion 真正的亮点在「开放范围」。GitHub 上的 bytedance/axion1_0 仓库放出了数据生成与过滤、提示词、两段式 SFT、异步 RL，以及评测准备与打分脚本。Hugging Face 上的 Axion1-0 组织下还有训练数据集 axion-training-data。35B 复现权重以 Apache 2.0 开放，可用 vLLM 起 OpenAI 兼容服务（示例为 8 卡、BF16、131K 上下文，配合 qwen3 推理与工具解析器）来做工具型 Agent 评测。122B 权重官方标注「即将发布」。

需要留意一个细节：Hugging Face 上的 35B 权重在 README 里被明确写为「社区复现版本，并非官方 Axion 检查点」，论文版 122B 有成绩但截至发布时未放出权重链接。换句话说，今天能直接拿来用的，是社区按公开配方复现的 35B，而不是字节官方的成品。

为什么这件事值得关注

过去一年，开源权重模型越来越多，但「怎么训出来」往往是一笔糊涂账：数据配方、训练代码、打分逻辑大多不公开，外人只能拿到一个黑箱权重。Axion 1.0 反其道而行，把「配方—数据—代码—权重」整条链路摊开，让研究者和工程师可以复现、改造自己的 Agent 训练流程。对想自研智能体模型、又受限于闭源底座不可控的团队来说，这类「可复跑的开源范式」比单一权重更有长期价值。代价是，你拿到的是一条可验证的路径，而非一个开箱即用的 SOTA——在 HLE 等硬榜上，它暂时还追不上 Opus 5 这一档闭源模型。