/ Модель

Характеристики

Контекст
262 144 токена
Параметры
3,7 млрд
Размер весов
8,8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B-Thinking-2507
Библиотека
transformers
Опубликована
11 янв 2026

AgentCPM-Explore

Генерация текстаТекст → текст10 профессий

Компактная агентная модель на базе Qwen3 для многошагового исследования, поиска информации и решения длительных задач с использованием инструментов.

631скачиваний за 30 дней418лайковвеса обновлены18 янв 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 «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

AgentCPM-Explore — агентная языковая модель с 3,7 млрд параметров, разработанная OpenBMB и построенная на архитектуре Qwen3. Она дообучена на Qwen/Qwen3-4B-Thinking-2507 и предназначена для продолжительных задач, требующих рассуждений, поиска и взаимодействия с инструментами и средой. Модель поддерживает контекст до 262 144 токенов и представлена в формате Safetensors для Transformers.

По данным разработчиков, AgentCPM-Explore рассчитана на многошаговое исследование: она может поддерживать более 100 раундов взаимодействия, сопоставлять сведения из нескольких источников, менять стратегию поиска и проверять актуальные данные. Разработчики сообщают о результатах на восьми бенчмарках длительных агентных задач, включая GAIA, HLE и BrowserComp, и позиционируют модель как компактную основу для агентов, в том числе на устройствах с ограниченными ресурсами.

Для практического применения генерация текста модели может служить основой агентного контура с поиском и инструментами; сама модель не гарантирует доступ к вебу или выполнение действий без соответствующей инфраструктуры. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • многошаговый поиск и проверка сведений в нескольких источниках
  • глубокое исследование вопросов с актуальной информацией
  • создание агента для выполнения длительных задач с инструментами
  • ответы на сложные исследовательские запросы
  • разработка компактных агентных приложений для локального запуска

Ограничения

По имеющимся сведениям не подтверждены встроенный веб-доступ и выполнение действий без внешней агентной инфраструктуры. Заявленные результаты приведены разработчиками; независимая проверка в этой карточке не описана.

Для каких профессий подходит10

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

Latest News

  • [2026-01-12]🚀🚀🚀 We have open-sourced AgentCPM-Explore, an agent foundation model with only 4B parameters, together with its entire training and inference infrastructure. AgentCPM-Explore has successfully entered 8 classic long-horizon agent benchmarks, including GAIA,HLE, and BrowserComp. AgentCPM-Explore achieves SOTA performance at the same parameter scale and demonstrates its accurate deep research capabilities, effectively breaking the performance bottleneck for on-device agents.

Overview

Key highlights of AgentCPM-Explore include:

  • The first full-parameter 4B agent model to rank on 8 long-horizon and complex agent benchmarks, including GAIA, HLE, and BrowserComp, in the on-device setting.

  • Capable of over 100 rounds of continuous environment interaction, supporting multi-source information cross-validation, dynamic search strategy adjustment, and real-time verification of up-to-date information, enabling sustained deep exploration until task completion.

  • Fully open-sourced end-to-end, including (1) AgentRL, a fully asynchronous reinforcement learning framework for agent training, (2) AgentDock, a unified management and scheduling platform for tool sandboxes, (3) AgentToLeaP, a one-click evaluation platform for agent tool-learning capabilities. These components collectively support community collaboration and custom extensibility.

We elaborate on the entire construction pipeline of AgentCPM-Explore on GitHub.

Experimental Results

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
f528bbb

0 моделей