🔥 今日值得一读
35B小模型逆袭！Occamy-1.0协作效率碾压大模型，成本仅零头！
Occamy-1.0: Open Pareto-frontier 35B Intelligence for Co-work
👨💼 主理人解读 · 为什么值得关注
做多步Agent工作流时，可用它降低每步成本与延迟，适合长链路协作任务部署。
📖 AI 总结
Occamy-1.0 是一个面向协作智能体（co-work agent）场景的开源模型，基于 Qwen3.6-35B-A3B 后训练检查点进一步训练而成。研究团队构建了执行导向的数据与环境，采集可回放的长程轨迹，并通过分阶段后训练强化状态跟踪、协调、恢复与执行等能力。在多项协作基准上，该模型在同等规模模型中表现领先，部分任务可与更大规模的前沿系统竞争；在作者设定的评估与定价协议下，其四项代表性基准的综合表现位于成本—性能帕累托前沿的低成本拐点。工具调用、编程与指令遵循等辅助评测显示其通用智能体能力得以保留。团队已开源模型权重及部分训练数据，以推动实用协作智能体与智能体后训练研究。
🔑 关键词速览
| Co-work agents | 协作代理，指能够执行复杂工作流（如信息收集、工具使用、编码等）的智能体系统。 |
| Qwen3.6-35B-A3B | 一个经过后训练的大规模语言模型检查点，作为 Occamy-1.0 的基础模型。 |
| Post-training | 后训练，指在预训练模型基础上进行的进一步训练，以提升特定能力或适应特定任务。 |
| Pareto frontier | 帕累托前沿，在多目标优化中表示最优权衡的边界，此处指成本与性能之间的最佳平衡点。 |
| Long-horizon trajectories | 长时程轨迹，指代理在长时间跨度内执行任务时产生的可重放序列，用于训练和评估。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅