/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
54,7 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.8-27B
Библиотека
transformers
Опубликована
29 сен 2026

AREX-2

Изображение и текст → текст11 профессий

AREX-2 — мультимодальная модель BAAI на 27 млрд параметров для длительного итеративного решения задач программирования, машинного обучения и глубоких исследований.

1 708скачиваний за 30 дней115лайковвеса обновлены1 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

AREX-2 — мультимодальная модель на 27 млрд параметров, разработанная Пекинской академией искусственного интеллекта (BAAI) на основе Qwen/Qwen3.8-27B. Это плотная архитектура, совместимая с Qwen3.8; модель принимает текст и изображения и рассчитана на контекст до 262 144 токенов. Она предназначена для длительного итеративного решения задач: предлагает решение, анализирует оценки, логи, ошибки и время выполнения, а затем пересматривает результат.

Обучение охватывает задачи машинного обучения и алгоритмического программирования с проверяемой обратной связью, а также данные для глубоких исследований; заявлен перенос навыка самоулучшения на сценарии deep research. Модель применима для программирования, инженерии машинного обучения, многошаговых рассуждений и агентных сценариев с инструментами. Лицензия — Apache 2.0. Карточка предназначает модель для исследований и не приводит количественных результатов оценки в доступном тексте; для работы требуется актуальная версия Transformers с поддержкой Qwen3.8.

Сценарии применения

  • итеративная доработка алгоритмических решений по результатам тестов
  • анализ логов и ошибок при отладке кода
  • решение инженерных задач машинного обучения с проверяемой обратной связью
  • проведение многошагового глубокого исследования с использованием инструментов

Ограничения

Для инференса требуется актуальная версия Transformers с поддержкой Qwen3.8. Количественные результаты оценок в доступном тексте README не приведены.

Для каких профессий подходит11

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Introduction

AREX-2 is a 27B-parameter long-horizon agent model from the Beijing Academy of Artificial Intelligence (BAAI). It learns to improve a solution over multiple test-time rounds: propose, measure, reflect, and revise.

AREX-2 is trained on machine-learning and algorithmic-programming tasks with verifiable feedback, together with the existing AREX deep-research data. The learned self-improvement behavior transfers to deep research without adding new search trajectories.

  • Architecture: Dense Qwen3.8-compatible multimodal model
  • Parameters: 27B
  • Context length: 262,144 tokens

Key features

  • Long-horizon self-improvement: turns extra test-time rounds into useful solution refinement.
  • Feedback-driven reflection: reads scores, logs, errors, and timings to decide what to change next.
  • Cross-domain performance: training on coding and machine-learning tasks also improves the model's deep-research performance.
  • Long-horizon reasoning: sustains productive iteration as the task budget grows.

Evaluation

AREX-2 is evaluated on algorithmic programming, machine-learning engineering, deep research, and general agentic reasoning. Results follow the protocols reported in the AREX-2 paper.

Coding and machine-learning engineering

Frontier-CS is the 188-task Agent Track. MLE-Lite reports Any Medal averaged over three seeds.

General agentic reasoning and deep research

HLE values marked * are from the full HLE set; unmarked values use the text-only subset.

Inference

Use a recent Transformers release with Qwen3.8 support.

pip install -U torch transformers accelerate
import torch
from transformers import AutoModelForMultimodalLM, AutoProcessor

model_id = "BAAI/AREX-2"
processor = AutoProcessor.from_pretrained(model_id)
model = AutoModelForMultimodalLM.from_pretrained(
    model_id, dtype=torch.bfloat16, device_map="auto"
)

messages = [{
    "role": "user",
    "content": "Propose a solution and explain how you would improve it over several rounds.",
}]
inputs = processor.apply_chat_template(
    messages, add_generation_prompt=True, tokenize=True,
    return_dict=True, return_tensors="pt",
).to(model.device)

with torch.inference_mode():
    outputs = model.generate(**inputs, max_new_tokens=1024)
print(processor.decode(
    outputs[0][inputs["input_ids"].shape[-1]:], skip_special_tokens=True
))

Intended use

AREX-2 is intended for research on long-horizon agents, iterative problem solving, machine-learning engineering, algorithmic coding, and tool-augmented deep research.

License

AREX-2 is released under the Apache License 2.0. Follow the terms and notices for the Qwen base model and any downstream data or tools.

Citation

@article{2026arex2,
  title   = {AREX-2: Advancing Self-Improving Agents through Long-Horizon Reflective Tasks},
  author  = {Qian, Hongjin and Li, Chaofan and Luo, Kun and Wei, Wenqing and Chen, Jianlyu and Lu, Shuqi and Hu, Yuyang and Xiao, Hongwang and Wang, Hui and Li, Chaozhuo and Ye, Qiwei and Dou, Zhicheng and Lian, Defu and Liu, Zheng},
  journal = {arXiv preprint arXiv:2609.38288},
  year    = {2026},
  url     = {https://arxiv.org/abs/2609.38288}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
d4e3502

0 моделей