资讯
阿里 Accio 团队开源 Occamy-1.0：35B MoE 的「协作工作」性价比之选
一句话：9 月 15 日，阿里 Accio 团队在 Hugging Face 更新并开源 Occamy-1.0：基于 Qwen3.6-35B-A3B 后训练、总参 35B 但每 token 仅激活约 3B 的 MoE「协作工作」模型，论文 arXiv:2609.11977 称其在成本-性能 Pareto 前沿的低成本拐点。
背景
- Co-work agent 需跨数十乃至上百次模型调用完成信息收集、工具使用、编码与文件操作，成本与延迟在整个 episode 累积；许多步骤强调状态跟踪与可靠收尾，而非前沿级推理。
核心要点
- 架构：Qwen3.6-35B-A3B 基座，256 专家、每 token 激活 8 路由+1 共享，约 3B 活跃参数，可自托管部署。
- 训练：三阶段后训练（SFT 14,998 条轨迹/403.3M token → RL → 模型融合「model soup」），配套开源 Dressage 训练栈。
- 论文称在 Claw-Eval、Terminal-Bench 2.1、BFCL v4、IFEval 等基准上常居同尺寸最强，并可与更大前沿系统竞争。
- 开放：权重 + 部分训练数据 + 部署工具，Apache 2.0；但训练子集透明度存留白。
为什么重要
- 在「越大越好」叙事之外，Occamy 用 MoE + 后训练把长程 agent 的单位成本压到前沿系统之下，是「性价比 agent 底座」的可行路线。
- 发布时点恰逢 Anthropic 6 月指控 Qwen 实验室蒸馏 Claude，使开源 agent 路线的合规边界更受关注。
关键事实速记
- 发布：2026-09-15（HF 更新）
- 论文：arXiv 2609.11977
- 基座：Qwen3.6-35B-A3B（~3B 激活）
- 主张：低成本 Pareto 拐点
📂 原文链接：查看原文 →
← 返回资讯列表
AI8899 · 内容仅供学习参考