Китайская AREX-2 на базе 27B обошла модель в 1,6 трлн параметров

Модель на 27 миллиардов параметров, по заявлению китайских исследователей, превзошла систему на 1,6 триллиона. Разрыв в размере почти 60-кратный. Группа AREX из Пекинской академии искусственного интеллекта (BAAI), Университета науки и технологий Китая (USTC) и Народного университета Китая представила AREX-2. Модель построена на лёгкой основе Qwen3.8-27B и обучена на данных «длинной рефлексии» из задач машинного обучения и алгоритмического программирования.

Рефлексия вместо лишних параметров

Обычный путь к сильной модели в кодинге: увеличить параметры, нарастить корпус, добавить обучение с подкреплением на проверяемых задачах. AREX-2 идёт другим маршрутом. Авторы построили обучающие данные вокруг длинного цикла «попытка, анализ, исправление». В нём модель не ограничивается одним проходом. Она возвращается к собственному решению, находит слабое место и перерабатывает алгоритм.

Сфера выбрана не случайно. В ML-инженерии и алгоритмическом программировании результат измеряется: код проходит тесты или нет, метрика растёт или падает. Поэтому обратная связь здесь честная, а длинные траектории улучшений можно собирать и проверять.

Почему сравнение 27B и 1,6T привлекает внимание

Заголовок исследования построен на контрасте размеров. Если заявленный результат подтвердится независимыми замерами, он усилит давно идущий тренд: качество на узких, хорошо проверяемых задачах всё сильнее зависит от устройства данных и процедуры обучения, а не от числа параметров.

Для инженеров тут есть практический смысл. Модель масштаба 27B помещается на несколько ускорителей и работает заметно дешевле триллионных систем. Ее можно развернуть внутри компании, тонко настроить и запускать в длинных агентных циклах, где каждый лишний токен стоит денег.

RSI как рабочая рамка

Авторы связывают работу с рекурсивным самоулучшением (RSI): способностью системы итеративно улучшать собственные алгоритмы. Идея в том, что модель, которая умеет долго и осмысленно дорабатывать код для ML-задач, постепенно приближается к улучшению самих ML-процессов. По их формулировке, это открывает дверь к автономной эволюции интеллекта. Пока речь идёт о первом шаге в ограниченной области, а не о полностью самоусовершенствующейся системе.

Ключевые параметры релиза:

• Модель: AREX-2
• Базовая архитектура: Qwen3.8-27B (около 27 млрд параметров)
• Обучающие данные: длинные цепочки рефлексии по ML и алгоритмическому программированию
• Заявленное сравнение: превосходство над моделью масштаба 1,6 трлн параметров
• Разработчики: группа AREX; BAAI, USTC и Народный университет Китая
• Рамка исследования: рекурсивное самоулучшение (RSI)

Что проверить командам, которые строят агентов

Командам, которые делают кодовых и исследовательских агентов, стоит присмотреться к самой схеме. Если у вас есть задачи с автоматической проверкой, можно собирать не только финальные верные решения, но и траектории исправления: что пробовали, почему не сработало, как изменили подход. Такой датасет учит модель работать с ошибкой, а не только воспроизводить готовый ответ.

Перед внедрением нужны независимые замеры. Прежде всего надо выяснить, на каких бенчмарках и в каких условиях AREX-2 обходит крупную модель: ограниченность домена может сильно влиять на выводы. Затем нужно убедиться, что выигрыш сохраняется на задачах вне обучающего распределения и на длинных горизонтах, где накапливаются ошибки. Если эти проверки пройдены, компактные модели с обучением на рефлексии станут реальной альтернативой дорогим гигантам для инженерных агентов.