चीनी स्टार्टअप एपेक्स इंटेलिजेंस, जिसकी स्थापना जून 2026 में हुई थी, ने 28 अक्टूबर को अपना पहला मॉडल, Apex-35B-V1.0, पेश किया। इस मॉडल के वज़न हगिंग फेस प्लेटफॉर्म पर उपलब्ध हैं। यह मॉडल अलीबाबा के Qwen3.6-35B-A3B पर आधारित है और इसे कोडिंग कार्यों, एजेंट वर्कफ़्लो, सामान्य कार्यों, साथ ही आर्टिफिशियल इंटेलिजेंस, कम्प्यूटेशनल साइंस और रोबोटिक्स सिमुलेशन के क्षेत्र में अनुसंधान के लिए इंटरमीडिएट और अनुवर्ती प्रशिक्षण के माध्यम से अतिरिक्त रूप से परिष्कृत किया गया था।
कंपनी का मुख्य ध्यान मॉडल के आकार पर नहीं, बल्कि इसके निर्माण के तरीकों पर है। एपेक्स इंटेलिजेंस का दावा है कि इसकी स्वचालित अनुसंधान प्रणाली, जिसे एपेक्स रिसर्च नाम दिया गया है, ने प्रशिक्षण डेटा उत्पन्न करने, प्रयोग करने, प्रशिक्षण योजना विकसित करने और जीपीयू कोर और इन्फेरेंस सिस्टम को अनुकूलित करने में भाग लिया।
एक उदाहरण के रूप में, कंपनी ने एक ऐसी स्थिति का उल्लेख किया जब एपेक्स रिसर्च ने कम्प्यूटेशनल फ्लूइड डायनेमिक्स (CFD) कार्यों में मॉडल की कमजोरी का पता लगाया। सिस्टम ने मॉडल के तर्क में कमियों के कारणों का विश्लेषण किया, फिर नए प्रशिक्षण डेटा उत्पन्न और सत्यापित किए जो बाद के प्रशिक्षण में उपयोग किए गए। कंपनी के आंतरिक परीक्षण के अनुसार, इस चक्र ने मॉडल के CFD-Bench स्कोर को 32.1 अंकों तक बढ़ाने में मदद की। इसके अलावा, एपेक्स इंटेलिजेंस ने बताया कि एआई-संचालित अनुकूलन ने प्रशिक्षण थ्रूपुट को 45% से 60% तक बढ़ा दिया और डिकोडिंग को 1.6-1.8 गुना तेज कर दिया।
रिलीज़ के साथ प्रकाशित सभी बेंचमार्किंग परिणाम कंपनी के स्वयं के मूल्यांकन के परिणामस्वरूप प्राप्त किए गए हैं। इन आंकड़ों के आधार पर, एपेक्स इंटेलिजेंस का दावा है कि Apex-35B-V1.0 न केवल Qwen3.6-35B-A3B से, बल्कि रिकर्सिव सुपरइंटेलिजेंस के Flint से भी छह प्रस्तुत शोध बेंचमार्क में बेहतर प्रदर्शन करता है। यह मॉडल FrontierScience और PaperBench परीक्षणों पर GLM-5.3 से बेहतर प्रदर्शन करता है, मानव के लिए कठिन BioMysteryBench में DeepSeek-V4.1-Flash-1017 से बेहतर प्रदर्शन करता है, और तुलना किए गए मॉडलों में उच्चतम BFCL V4 स्कोर प्रदर्शित करता है।
दो रोबोटिक्स परीक्षणों, RoboRSI और Real2Sim में, मॉडल ने क्रमशः 44.5 और 21.55 का परिणाम दिखाया, जो बड़े मॉडल GLM-5.3-Flash (52.4 और 21.4) के प्रदर्शन के करीब है।
Real2Sim टेस्ट में मॉडल को एक तस्वीर के आधार पर एक कार्यात्मक भौतिक सिमुलेशन को पुनर्स्थापित करने की आवश्यकता होती है: वस्तुओं की पहचान करना, समान दृश्य और भौतिक विशेषताओं वाले सिमुलेशन संसाधनों का चयन करना और रोबोट की कार्रवाई का परीक्षण करने के लिए उनकी व्यवस्था को फिर से बनाना। RoboRSI मॉडल की दृश्य प्रतिक्रिया के आधार पर कोड लिखने और संशोधित करने के माध्यम से सिम्युलेटेड रोबोटों को नियंत्रित करने की क्षमता का मूल्यांकन करता है।
कंपनी की स्थापना Tsinghua विश्वविद्यालय के एआई कॉलेज के सहायक प्रोफेसर चेन यूनचियाओ ने की थी। उन्होंने इस काम को पुनरावृत्तीय आत्म-सुधार के रूप में वर्णित किया - एक ऐसी अवधारणा जिसमें एआई सिस्टम अपने उत्तराधिकारियों को बनाने में मदद करते हैं। Tencent Technology के साथ बातचीत में, उन्होंने उल्लेख किया कि एआई ने अनुसंधान निष्पादन में स्पष्ट प्रगति हासिल की है, लेकिन इसमें अभी भी 'अनुसंधान स्वाद' की कमी है, यानी यह निर्धारित करने की क्षमता कि किन समस्याओं पर काम करने लायक है।
