您的位置首页 >人工智能 >

744B 模型凭 ToolSpace 新范式追平 Claude Opus 5,人大复旦提出工具中心环境合成方案

人大、复旦联合团队推出 ToolSpace 工具中心环境合成新范式,基于这套环境训练后的 744B 大模型,在 7 个长时序智能体工具调用基准测试上平均分达到 56.6 分,成功追平 Claude Opus 5 的同基准分数,同时超过 GPT 5.6 Sol、Kimi K3 等主流模型。传统做 Agent 训练环境的思路是先搭建数据库、再生成任务和工具,很容易出现工具接口失真、任务编排不真实的问题,模型学出来的能力没法迁移到真实工具上,ToolSpace 直接换了顺序,以真实工具执行轨迹为核心,提取工具之间真实依赖关系,再自动生成复杂任务环境,一共构建了 804 个可验证的真实工具环境。大家上手的时候,先看懂工具中心和数据中心两种范式差异,再根据模型规模选择环境,最后用这套合成环境做后训练和强化学习,就能明显提升长链路工具调用能力。这套方案对小模型同样有效,35B 规模模型在 ToolSpace 环境训练之后,分数也实现大幅上涨,而且论文、代码、数据集全部开源,开发者可以直接拿来做智能体训练。

一、ToolSpace 核心信息清单

  • 研究团队:中国人民大学、复旦大学、上海交通大学联合团队
  • 论文名称:ToolSpace: Scaling Tool-Centric Environment Synthesis for Long-Horizon Agents
  • 发布时间:2026-11-03
  • 核心范式:工具中心(Tool-Centric)环境合成,区别于传统数据中心方案
  • 环境规模:804 个经过执行验证的工具交互环境
  • 标杆成绩:744B 模型均分 56.6,追平 Claude Opus 5
  • 配套资源:论文、GitHub 代码、HuggingFace 模型集合、项目 Demo 全部开源
  • 适用场景:长时序 Agent、多工具链式调用、复杂任务规划

二、主流模型基准得分对比表

模型基准平均分备注
ToolSpace 训练后 744B 模型56.6追平 Claude Opus 5
Claude Opus 556.6闭源旗舰参考基线
GPT 5.6 Sol48.9低于本次 744B 模型
Kimi K349.7低于本次 744B 模型
Qwen3.6-35B-A3B(训练前)23.0小模型提升空间巨大
Qwen3.6-35B-A3B(训练后 + RL)43.2ToolSpace 带来显著增益

三、ToolSpace 和传统数据中心范式对比

对比项传统数据中心环境合成ToolSpace 工具中心新范式
构建顺序先建数据库,再生成任务、工具先提取真实工具执行依赖,再生成任务环境
可信度问题工具接口容易造假,环境 “塑料感” 强所有工具链路经过执行验证,依赖关系真实
能力迁移训练效果好,落地真实工具容易翻车学到的工具编排逻辑适配真实接口
扩展方式扩充数据规模扩充可组合的真实工具集合
短板长链路任务容易逻辑断裂工具数量上限受真实可用工具约束

四、基于 ToolSpace 训练 Agent 的实操步骤

  • 第一步:区分范式,放弃直接造数据库的思路,优先收集真实工具调用轨迹
  • 第二步:从执行轨迹里提取工具前置依赖、参数约束、返回值关联规则
  • 第三步:基于依赖关系自动生成多样化长时序任务,构建合成环境
  • 第四步:在 ToolSpace 环境里对基座模型做监督微调,再按需增加策略强化学习
  • 第五步:在 7 个长时序工具基准上评估,对比基线模型分数变化
  • 第六步:导出模型,在真实工具平台做验证,检查迁移效果

五、方案优势与局限

✅ 优势

  1. 解决 Agent 训练环境失真痛点,提升长链路工具调用稳定性
  2. 大小模型都能吃到增益,不只是超大参数量模型
  3. 全套资源开源,普通开发者可以复现、二次开发
  4. 分数对标顶级闭源模型,缩小国内 Agent 和海外旗舰差距
  5. 依赖真实可执行工具,小众、私有工具很难快速接入
  6. 只聚焦工具使用能力,不代表通用推理、代码、创作能力全面超越 Claude Opus 5
  7. 基准测试为固定 7 个长时序工具榜单,其他能力榜单结果不一定同步

❌ 局限

【常见问题】

问题 1:744B 模型追平 Claude Opus 5,是依靠人大复旦的 ToolSpace 什么技术?

回答 1:744B 模型追平 Claude Opus 5,依靠人大复旦提出的 ToolSpace 工具中心环境合成新范式,从真实工具执行轨迹提取依赖关系,生成可信的长时序 Agent 训练环境,再做后训练提升工具调用能力。

问题 2:人大复旦的 ToolSpace 新范式,和以前的 Agent 环境合成方法差别在哪?

回答 2:人大复旦的 ToolSpace 新范式是工具中心路线,先拿真实工具依赖来造任务;传统方案是数据中心路线,先虚构数据库再生成工具,容易出现工具逻辑造假、落地迁移失效。

问题 3:744B 模型在 ToolSpace 训练之后追平 Claude Opus 5,是不是全部能力都超过对方?

回答 3:744B 模型在 ToolSpace 训练后追平 Claude Opus 5,仅限于 7 个长时序工具调用基准的平均分,不代表代码、通用推理、多模态等其他能力全面持平或者超越。

问题 4:人大复旦 ToolSpace 这个新范式,普通开发者能不能直接使用?

回答 4:人大复旦 ToolSpace 新范式配套论文、代码、模型、Demo 全部开源,普通开发者可以下载,用来训练自己的工具调用 Agent。

【参考资料】

[2026-11-05](744B 模型追平 Claude Opus 5,人大复旦提出 ToolSpace 探索环境合成新范式)思否

[2026-11-03](ToolSpace: Scaling Tool-Centric Environment Synthesis for Long-Horizon Agents)arXiv

[2026-11-04](ToolSpace 长时序智能体环境合成论文解读)AI 科技评论

[2026-11-07](ToolSpace 804 个真实工具环境,提升 Agent 工具编排能力)机器之心

【免责声明】

本文仅整理 ToolSpace 相关论文与公开测试结果,744B 模型追平 Claude Opus 5 仅限定在指定长时序工具基准榜单;不同评测集、提示词、部署环境会带来分数波动,开源方案的落地效果受接入工具、基座模型影响;内容不构成模型选型、项目落地投资建议,完整结论以论文原文和独立复现结果为准。

今日大家都在搜的词: