Apodex 相关 AI 资讯 · AI 热点

8月25日

18:48

18:48

向阳乔木@vista8

Apodex深度搜索产品内测，具备写代码、多Agent组合完成复杂任务能力。由陈天桥创立，今日发布Apodex 1.1 mini 35b模型及开源Harness框架。

AI产品 Apodex 深度搜索代码生成

推荐理由：陈天桥创立的Apodex深度搜索产品内测，功能强大，值得一试。

7月23日

18:29

18:29

Ate-a-Pi@svpino

Apodex Frontier Program 每月为初创公司和机构提供10万美元计算积分，参与者可访问 Apodex Deep Discover 求解器。该求解器基于 Apodex 1.0-H 模型，模型像智能体团队工作：编排器分解任务并派生多达150个专用子代理，每个子代理异步执行独立上下文和工具。模型通过生成→验证→修改过程改进推理，验证由独立代理团队（冲突审核、事实检查、起草审核）完成，不依赖答案键。在单次任务中，模型能协调150个子代理执行超过15000步。

AI模型 Apodex Apodex 1.0-H Deep Discover

推荐理由：Apodex 1.0-H 让智能体团队协作处理复杂任务，还用独立验证提升准确率。每月10万算力补贴，研究机构别错过。

6月24日

10:58

10:58

shao__meng@shao__meng

精选

作者使用Apodex（自进化重型求解器）测试了“AI Agent公司如何选择产品方向”，将问题拆解为开发者工具、企业工作流、研究助手三条线，并补充VC视角、TAM、Menlo Ventures等来源。经过反复证据核查，Apodex给出排序：垂直企业工作流Agent第一，垂直研究助手第二，开发者工具第三。它指出开发者工具竞争激烈，已有Codex、Cursor、Claude Code、Devin等占据用户心智，新公司难差异化。Apodex适合处理变量多、需验证证据的复杂问题，如创业方向、行业进入时机等。

AI产品 Apodex 智能体企业工作流

推荐理由：用Apodex做了个创业方向测试，它把问题拆成多条线，反复查证据才给结论，比普通聊天机器人靠谱很多。

6月18日

15:03

15:03

小互@imxiaohu

Apodex 1.0 模型已正式发布，官方介绍页面提供了技术细节。在线体验平台 apodex.ai 可供用户直接试用。模型权重已在 Hugging Face 上开源下载。

AI模型 Apodex 开源模型 Hugging Face

推荐理由：Apodex 发布了 1.0 版本，有在线体验和开源下载，感兴趣可以试试。

14:43

14:43

小互@imxiaohu

6月，Apodex 向 FutureX 提交了四个基于 Apodex-1.0-mini 35B 的实验预测框架。该模型在6月第一周排名包揽第1至第4名，并在第二周持续霸榜第1名。这一成绩展示了 Apodex-1.0-mini 35B 在预测任务上的竞争力。

AI模型 Apodex Apodex-1.0-mini FutureX

推荐理由：Apodex 用 35B 参数模型做的预测框架，在 FutureX 排行榜上直接包揽前四名，太猛了。

14:43

14:43

小互@imxiaohu

Apodex是一个多Agent协作的深度研究求解器，可一次调度150个子Agent，总步数达15,000步。在BrowseComp上超越GPT-5.5-pro，在DeepSearchQA上超越Claude-Opus-4.8和Kimi-K2.6。内置三层自我验证机制和全局验证器，由AgentOS驱动底层事务。适合科研和金融领域的复杂调研任务。

AI产品 Apodex AgentOS 多Agent

推荐理由：Apodex能派150个Agent跑15000步帮你深挖问题，自主校验结果，在Benchmark上超了GPT-5.5和Claude-Opus。

6月11日

01:59

01:59

rohanpaul_ai@rohanpaul_ai

72°

Apodex-1.0-H 是一个用于深度研究的重型智能体团队，通过将网络研究任务分配给多个智能体，并在生成答案前审计每条证据链，声称达到 SOTA 结果。它将深度研究视为 AI 智能体的分布式系统问题：一个编排器分配子智能体不同的上下文和工具，然后事实核查、冲突审查和草稿审查智能体测试薄弱声明。真正的亮点在于，Apodex 展示了一条可能的“推理时扩展”路径，即更好的答案不是来自更大的模型，而是来自多个协调的搜索智能体、持久追踪和独立的验证层。

AI产品智能体深度研究推理时扩展

推荐理由：做深度研究或复杂信息检索的开发者，值得关注 Apodex 的分布式智能体思路——它可能改变“大模型=好答案”的惯性认知，用多智能体协作+验证层来提升结果可信度。