AREX-2

AREX-2 是北京智源人工智能研究院发布的 27B 参数智能体模型，2026-09-29 在 Hugging Face 开放权重。模型卡片把它描述为长时程智能体模型：在多次测试时推理轮次中学习改进方案，典型循环是提出、度量、反思和修订。它基于兼容 Qwen3.8 的稠密多模态底座，使用 Apache-2.0，支持 262,144 token 上下文。训练聚焦带有可验证反馈的机器学习和算法编程任务，学到的自我改进行为也会迁移到深度研究。

关键特性

• 长时程自我改进：把额外的测试时轮次用于精炼方案，而不是把迭代当成纯成本。
• 反馈驱动反思：读取分数、日志、错误和时间信息来决定下一步修改。
• 跨领域迁移：编码和机器学习训练也能改善深度研究表现，不需要新增搜索轨迹。
• 27B 稠密多模态架构：文本和图像输入，支持 262,144 token 上下文。
• 开放许可与权重：Apache-2.0 权重直接在 Hugging Face 下载。

适用场景

谁应该使用这个工具？

• 研究者：适合研究长时程智能体循环和自我改进。
• 机器学习工程师：27B 规模可以在单台工作站上承载，与更大的智能体相比部署成本更低。
• 深度研究集成者：需要文本加图像输入、长上下文和迭代推理的团队。

解决的问题

1. 长任务地平线：许多模型在轮次增加后质量下降；AREX-2 被训练成持续有效改进。
2. 可验证的编码和 机器学习工作：可以把日志、分数和错误当作反馈信号。
3. 大型闭源智能体的成本：27B 开源权重可以自托管，避免部分场景的 API token 成本。

定价方案

优势对比

相比竞品：27B 远小于前沿 API 智能体，但项目定位专门针对长时程迭代和深度研究，而不是通用聊天。

独特卖点：模型卡在自有评估协议中报告了 Frontier-CS、MLE-Lite、BrowseComp、GAIA 和 DeepSearchQA 上的较强结果。这些是项目自报数字，应视为厂商声明，而不是独立评测。

快速开始

1. 安装支持 Qwen3.8 的最新 Transformers。
2. 用 AutoModelForMultimodalLM 和 AutoProcessor 以 bfloat16 加载 BAAI/AREX-2。
3. 输入提示，要求先提出方案并解释如何多轮改进。
4. 由于 27B bfloat16 需要明显显存，请准备 GPU 或多卡环境。

集成

• Hugging Face 获取权重。
• Python Transformers 推理。
• Qwen3.8 兼容 tokenizer 和 processor。

常见问题

AREX-2 开源吗？

权重在 Hugging Face 上是 Apache-2.0，项目同时链接了公开 GitHub。

上下文多大？

模型卡片写的是 262,144 token。

支持图像输入吗？

支持。卡片把它列为稠密的 Qwen3.8 兼容多模态模型。

基准数字独立吗？

不独立。模型卡表格是项目自己的评测，应视为一手声明。

替代方案

如果 AREX-2 不合适，可以看这些：

• Qwen3.8-Max：更大规模、多模态输入的开源权重旗舰。
• DeepSeek-V4-Flash：如果本地编码任务更需要经过广泛验证的轻量模型家族。
• MiniMax H3：当你需要其他生产级规模、能力更广的模型时考虑。

使用技巧

1. 在能提供定量反馈的任务上测试，AREX-2 的优势是迭代精炼。
2. 仔细规划显存：27B bfloat16 需要相当大的显存。
3. 把模型卡评测当作方向性证据，在选型前运行你自己的基准。

总结

AREX-2 是一个聚焦于「多轮改进方案」的开源权重模型。它面向研究型团队，希望在没有闭源前沿服务的情况下获得长上下文智能体推理。投入生产前请确认当前推理要求和基准协议。