智源发布开放模型AREX-2：可在长任务中自我改进的智能体

北京智源人工智能研究院（BAAI）于 2026 年 9 月 29 日在 Hugging Face 上发布了 AREX-2。这款 270 亿参数的模型被设计为面向长程任务（long-horizon tasks）的智能体，能在多轮迭代中不断改进解决方案：先提出方案、测量结果，再根据得分、日志、报错和耗时判断需要修改什么，然后进行修订。该模型可在自有服务器上运行。

能够自我改进的智能体模型

根据模型页面介绍，AREX-2 使用带有可验证反馈（verifiable feedback）的机器学习工程和算法编程任务，并结合 AREX 此前的深度研究（deep research）数据进行训练。智源表示，从这些任务中学到的自我改进能力无需新增搜索轨迹，即可迁移到深度研究任务上。随着任务轮数增加，模型被训练为能够持续有效地改进方案。方法细节见智源的 arXiv 论文，评测脚本则发布在 GitHub 仓库中。

技术规格

AREX-2 基于阿里巴巴的 Qwen3.8-27B 构建，是一款稠密（dense）模型，每一步都会用到全部参数。它采用多模态架构，除文本外还能接收图像输入。上下文窗口为 262,144 个词元（token）。模型采用 Apache 2.0 许可证，允许商用；智源要求用户同时遵守 Qwen 基座模型的条款。

以全精度（BF16）计算，模型文件约 55 GB。模型卡给出了基于 Hugging Face transformers 的示例代码。由于采用 Qwen3.8 架构，预计也能在 vLLM 等支持该架构的推理框架上运行，但模型卡中没有单独说明。智源尚未发布量化（quantized）版本；若有 4 比特版本，预计可装入单张 24 GB 显卡。

在智源公布的表格中，AREX-2 在 400 亿参数以下的模型里，于 BrowseComp、HLE 和 DeepSearchQA 等深度研究测试中表现突出，在 GAIA 上则落后于部分同等规模的模型。在编程与机器学习测试（Frontier-CS 和 MLE-Lite）中，它领先于表中规模大得多的开放模型；在 MLE-Lite 上还超过了表中列出的闭源模型，在 Frontier-CS 上则落后于 GPT-5.6 Sol 和 Claude Opus 4.8。对于希望在自有服务器上运行研究和编程智能体、不愿将数据发往外部的企业而言，这是一款单台高性能服务器即可承载的选择。

所有结果均采用智源论文中的方法得出，深度研究测试的答案由外部评判模型打分。模型卡将 AREX-2 的预期用途定位为长程智能体、机器学习工程以及工具增强型深度研究方面的研究，搜索和工具等基础设施需要用户自行搭建。该模型刚刚发布，尚无社区反馈。想了解它在不同任务上的表现，值得关注独立研究人员的评测。

来源：Hugging Face：AREX-2 模型卡、GitHub：VectorSpaceLab/AREX-2、arXiv：AREX 论文。