Ai2 开源 AstaBrief 8B：科研引用报告「Fast 模式」；全链路约 51s，约为 Thinking 的 1/3.5

核心背景与行业痛点

科研用户要的不是聊天摘要，而是可核对引用的长文综合：证据范围不能被悄悄放大，结论要能回溯文献。Ai2 的 agent 平台 Asta 已提供 Claude 驱动的 Thinking 报告，但延迟与专有 API 成本高，且敏感课题常需本地部署。2026-10-02，Ai2 在 HF Blog 开源 AstaBrief 8B，并把权重放到 allenai/AstaBrief_8B（lastModified 2026-10-02）。

架构亮点与底层机制

基座 Qwen3-8B。数据：从真实 Asta 查询过滤得约 90K 科研向问题；用 ScholarQA 多步管线（Claude 3.5/3.7、o3、o4-mini、GPT-4.1 等）合成目标报告，质量过滤后 SFT 约 47K。DPO：另一批查询上双生成器 + GPT-4.1/DeepSeek-R1 双裁判一致，约 6K 对；作者称裁判与人类偏好约 95% 一致。关键过滤信号是合成报告的引用密度（低密度样本伤害答案精度与引用质量）。Serving：Fast 模式给定查询与检索片段后一次写出全文，跳过 Thinking 的片段摘要、聚类与分段写作。

权威 Benchmark 与实测跑分对比

开发期主榜 SQABench-CS2（200 道用户写的 CS 科研题），跟踪 rubric、answer precision、citation precision/recall；另有 DeepScholarBench 与相对 Thinking 的成对评判。官博图示 AstaBrief 在多项指标上接近 Claude Thinking 与 DR Tulu——具体百分点以原文图表为准，勿外推到 2026-10 最新闭源模型（作者明确未重跑）。系统层延迟：全 Asta 管线 Fast 均 51.1s/报告 vs Thinking 178.5s（约 3.5×）。早期用量：374 名试用者中 29.1% 多日使用；平均 3.67 个报告线程；23% 试用后只留 Fast。

开发者实战落地与开箱指南

1. 读 HF Blog，从 allenai/AstaBrief_8B 拉权重做本地/私有云推理。
2. 在 Asta 选 Generate a report → Fast；复杂题仍可切 Thinking。
3. 自建时保持「检索片段 → 单次成文」契约，并单独评引用精度/召回，勿只看流畅度。
4. 训练数据与示例 PDF 工作流随文开放，适合机构复现与领域微调。
5. 定位：科研综合小模型，不是通用编码 Agent；与 Claude Code / Copilot 场景勿混写。