BAAI'den uzun işlerde kendini geliştiren ajanlar için açık model: AREX-2

Pekin Yapay Zeka Akademisi (BAAI), 29 Eylül 2026'da AREX-2 modelini Hugging Face'te yayımladı. 27 milyar parametreli model, uzun soluklu işlerde bir çözümü birkaç tur boyunca iyileştiren bir ajan olarak tasarlandı: bir çözüm öneriyor, sonucu ölçüyor, çıkan skorlara, kayıtlara, hatalara ve sürelere bakarak neyi değiştireceğine karar veriyor ve çözümü düzeltiyor. Model, kendi sunucunuzda çalıştırabileceğiniz biçimde sunuluyor.

Kendini geliştiren bir ajan modeli

Sayfadaki bilgilere göre AREX-2, sonucu doğrulanabilen makine öğrenmesi mühendisliği ve algoritmik programlama görevleriyle, AREX'in önceki derin araştırma verileriyle birlikte eğitildi. BAAI'ye göre bu görevlerden öğrenilen kendini geliştirme davranışı, yeni arama örnekleri eklenmeden derin araştırma işlerine de taşınıyor. Model, işe ayrılan tur sayısı arttıkça çözümü verimli biçimde geliştirmeyi sürdürecek şekilde eğitildi. Yöntemin ayrıntıları BAAI'nin arXiv makalesinde, değerlendirme betikleri ise GitHub deposunda yer alıyor.

Teknik özellikler

AREX-2, Alibaba'nın Qwen3.8-27B modeli üzerine kurulu, tüm parametreleri her adımda çalışan yoğun (dense) bir model. Çok kipli bir mimari kullanıyor, yani metnin yanında görüntü de alabiliyor. Bağlam penceresi 262.144 kelime parçası. Lisansı Apache 2.0, ticari kullanım serbest; BAAI, Qwen taban modelinin koşullarına da uyulmasını istiyor.

Model tam hassasiyette (BF16) yaklaşık 55 GB yer kaplıyor. Kartta Hugging Face transformers kütüphanesiyle örnek kod veriliyor. Model Qwen3.8 mimarisini kullandığı için bu mimariyi destekleyen vLLM gibi sunucu araçlarında da çalışması beklenir, ancak kartta bunun için ayrı bir talimat yok. BAAI küçültülmüş (quantized) bir sürüm yayımlamadı; 4 bitlik bir sürüm hazırlandığında modelin tek bir 24 GB'lık ekran kartına sığması beklenir.

BAAI'nin paylaştığı tablolarda AREX-2, 40 milyar parametrenin altındaki modeller arasında BrowseComp, HLE ve DeepSearchQA gibi derin araştırma testlerinde öne çıkıyor; GAIA'da ise benzer boyuttaki bazı modellerin gerisinde kalıyor. Kodlama ve makine öğrenmesi testlerinde (Frontier-CS ve MLE-Lite) tablodaki çok daha büyük açık modellerin önünde görünüyor; MLE-Lite'ta tablodaki kapalı modelleri de geçiyor, Frontier-CS'te ise GPT-5.6 Sol ve Claude Opus 4.8'in gerisinde. Verisini dışarı çıkarmadan kendi sunucusunda araştırma ve kodlama ajanı çalıştırmak isteyen şirketler için tek bir güçlü sunucuda çalışabilecek boyutta bir seçenek.

Sonuçların tamamı BAAI'nin kendi makalesindeki yöntemlerle elde edildi; derin araştırma testlerinde yanıtları dışarıdan bir değerlendirici model puanlıyor. Model kartı AREX-2'nin kullanım amacını uzun soluklu ajanlar, makine öğrenmesi mühendisliği ve araç destekli derin araştırma üzerine araştırma olarak tanımlıyor; arama ve araç altyapısını kullanıcının kendisi kurması gerekiyor. Model yeni yayımlandı ve topluluktan henüz geri bildirim yok. Farklı işlerdeki başarısını görmek için bağımsız araştırmacıların değerlendirmelerini takip etmekte fayda var.

Kaynaklar: Hugging Face: AREX-2 model kartı, GitHub: VectorSpaceLab/AREX-2, arXiv: AREX makalesi.