字节跳动联合高校团队推出开源智能体基础模型 Axion 1.0,这个项目最大亮点就是把训练强大智能体的流程大幅简化,只用 18363 条训练轨迹、三段式训练流程,不需要复杂的 DPO、在线蒸馏等环节,就能做出具备强科学推理、工具调用能力的 Agent,整套训练配方、数据集、代码、评测脚本全部对外开源,方便开发者复现、二次开发。过去大家做智能体,训练管线层层叠加,需要海量标注数据、多轮偏好对齐,门槛很高;Axion 1.0 的思路是优先抓高质量任务数据,而不是堆复杂流程,它基于通义千问基座微调,提供 35B、122B 两个 MoE 版本,在 HLE、FrontierScience、SEAL-0 这类高难度科研基准上,成绩对标主流闭源大模型。这套方案证明,打造强能力智能体不一定需要沉重复杂的训练链路,精简清晰的训练配方加上高质量可验证任务,也能拿到不错的效果。
一、Axion 1.0 基础信息清单
- 发布主体:字节跳动 + 杜克大学、马里兰大学等高校联合团队
- 发布时间:2026-11-02
- 模型版本:Axion 1.0-35B、Axion 1.0-122B,MoE 架构
- 基座来源:35B 基于 Qwen3.6-35B-A3B;122B 基于 Qwen3.5-122B-A10B
- 上下文窗口:128K
- 训练样本总量:18363 条轨迹
- 122B 版本算力消耗:约 1000 GPU 小时
- 开源协议:Apache 2.0
- 开源内容:训练代码、数据构建脚本、提示词、评测脚本、数据集
二、三段式极简训练流程
- 第一阶段 SFT:基础推理能力训练,基于模型自身解法生成难题,强化自主推理
- 第二阶段 SFT:工具调用推理训练,搭建可自动验证的真实任务,教会模型调用外部工具检索信息
- 第三阶段 RL 强化学习:采用 GRPO 算法,优化长时序任务规划、工具交互能力
去掉传统 Agent 训练里的中间预训练、DPO 偏好优化、在线蒸馏等复杂环节
三、核心评测成绩摘要
| 模型版本 | 评测项目 | 得分 | 参考说明 |
|---|---|---|---|
| Axion1.0-122B | HLE | 59.0 | 高难度通用推理基准 |
| Axion1.0-122B | FrontierScience Olympiad | 87.0 | 科学竞赛题 |
| Axion1.0-122B | FrontierScience Research | 66.7 | 科研任务,超过 GPT-5.6 Sol |
| Axion1.0-35B | SEAL-0 | 62.2 | 同榜单最高分 |
四、Axion 1.0 相比传统智能体训练方案的优势
- 流程精简:三段训练,环节少,更容易复现,降低科研门槛
- 数据量小:仅 1.8 万多条轨迹,不靠海量标注堆效果
- 全链路开放:不止放权重,连数据制作、验证、评测全套流程公开
- 算力成本可控:122B 版本仅约 1000 GPU 小时,适合小团队研究
- 侧重科研 Agent:擅长科学推理、文献检索、复杂工具链式调用
五、开发者复现 Axion 1.0 的操作步骤
- 拉取 GitHub 开源仓库,拿到训练脚本、数据生成代码
- 准备对应基座 Qwen 模型权重、算力集群
- 自动生成、过滤、校验训练任务轨迹
- 依次执行两轮 SFT 监督微调
- 运行 GRPO 强化学习阶段
- 用官方评测脚本在标准 benchmark 上验证效果
【常见问题】
问题 1:字节跳动推出 Axion 1.0,训练强大智能体的方案为什么变简单?
回答 1:字节跳动推出 Axion 1.0,它放弃了 DPO、在线蒸馏这类复杂对齐环节,只用两轮监督微调加一轮强化学习,依靠少量高质量可验证任务数据,就能训练出强推理、会调用工具的智能体。
问题 2:字节跳动推出 Axion 1.0,Axion 1.0 有几个模型版本?
回答 2:字节跳动推出 Axion 1.0,一共有两个 MoE 版本,分别是 35B 版本和 122B 版本,分别基于对应的通义千问基座微调得到。
问题 3:字节跳动推出 Axion 1.0,Axion 1.0 开源了哪些内容?
回答 3:字节跳动推出 Axion 1.0,在 Apache2.0 协议下开源训练代码、数据构建脚本、提示词、评测脚本、数据集,35B 版本权重也开放,整套训练配方都可以复现。
问题 4:字节跳动推出 Axion 1.0,Axion 1.0 适合用来做什么类型智能体?
回答 4:字节跳动推出 Axion 1.0,Axion 1.0 主打科研方向智能体,擅长科学推理、竞赛解题、科研检索、多步骤工具调用任务。
【参考资料】
[2026-11-08](Axion 1.0:1.8 万条数据训出研究型 Agent,字节跳动的 "极简配方" 能走多远)华为云社区
[2026-11-04](Axion 1.0: How ByteDance Built a Fully Open Agent Foundation Model with Just 18K Training Examples)DEV Community
[2026-11-03](Axion 1.0: Open Agent Foundation Models, Simplified)arXiv 论文
[2026-11-02](字节 Axion 1.0 发布:极简流程训练 Agent)机器之心
【免责声明】
本文资讯整理自 Axion 1.0 论文、开源项目与媒体公开报道,仅作为 AI 产业资讯参考,不构成模型采购、商用落地建议。Axion 1.0 的实际效果、复现难度受算力、基座版本、任务场景影响,122B 权重暂未全部开放,项目后续迭代以字节官方 GitHub 仓库为准。
