开源 Agent 基础模型 Axion 1.0 发布：2 次 SFT + RL 极简配方，35B（3B 激活）复现权重 Apache 2.0 开放，数据与训练代码全公开

核心背景与行业痛点

开源 Agent 模型越来越多，但大部分只放权重，训练数据、合成流程和 RL 环境都不公开，外人很难复现，也不知道到底是哪一步带来了能力。主流配方还常常叠加 mid-training、DPO、在线蒸馏等多个阶段，成本和复杂度都很高。11 月初公开的 arXiv 论文 2611.03233 提出 Axion 1.0，目标是证明强 Agent 基础模型可以“既开放又简单”。

架构亮点与底层机制

Axion 1.0 只有三个阶段：第一段 SFT 用“模型感知”的方式构造难题，根据底座模型自己的成功解法对题目做对抗式加强，练自包含科学推理；第二段 SFT 从真实公开数据源和确定性计算构造可自动验证的任务，练工具调用和信息检索；最后用异步 RL 强化长程推理与工具交互。两段 SFT 合计约 1.8 万条轨迹。35B 版本基于 Qwen3.6-35B-A3B（35B 总参、3B 激活的 MoE），122B 版本基于 Qwen3.5-122B-A10B。

权威 Benchmark 与实测跑分对比

以下均为作者自报。HF 模型卡上，35B 复现权重 HLE 52.8、BioMysteryBench 35.3、SEAL-0 60.4、HiPhO 45.9、FrontierScience Olympiad 85.0、Research 55.0，和论文版 35B 基本一致。GitHub README 称论文版 122B 在限制网站访问的完整 HLE 上为 59.0，FrontierScience Olympiad 87.0、Research 66.7。同表中 Claude Opus 5 的 HLE 为 63.6，开源模型与最强闭源模型仍有差距。

开发者实战落地与开箱指南

35B 复现权重以 Apache 2.0 开放，可按模型卡用 vLLM 起 OpenAI 兼容服务（示例为 8 卡、BF16、131K 上下文，使用 qwen3 推理与工具解析器）；做工具型 Agent 评测还需要自己的工具执行框架。训练数据集 Axion1-0/axion-training-data 和 GitHub 代码可直接用来复现或改造自己的 Agent 训练流程。122B 权重官方标注“即将发布”。