Axion 1.0 两阶段数据构造流程（图源：Axion 官方 GitHub 仓库）
先说主角：字节跳动就是做抖音、TikTok 的那家公司，这两年也在大模型上投入很重，自家有豆包系列。
这次字节跳动联合杜克大学、马里兰大学、布法罗大学，开源了 Axion 1.0：一套训练“会查资料、会算、会用工具”的 AI 智能体模型的完整方案。开源的是训练代码和训练数据，协议 Apache 2.0；模型权重目前标注 coming soon，还没放出。
GitHub 项目地址
https://github.com/bytedance/axion1_0
配方有多简单？
官方的说法是“开放智能体基座模型，简化版”。整个流程只有三步：两段监督微调（SFT）+ 一段强化学习（RL），没有专门的中期训练，也没用 DPO、在线蒸馏这些常见花活。
• 35B 版：基座 Qwen3.6-35B-A3B，每次只激活 3B 参数。
• 122B 版：基座 Qwen3.5-122B-A10B，激活 10B。
• 论文里另有只做了 SFT 的 4B、9B 小版本。
第一段 SFT 用约 1.08 万条数理推理轨迹，只许用 Python、不许联网；第二段约 7544 条、3.12 亿 token 的“必须靠工具查资料才能答”的轨迹；最后在第二段的检查点上做异步 GRPO 强化学习。
成绩：HLE 超过 Gemini 3.1 Pro
Axion 1.0 与部分开源、闭源模型对比（图源：Axion 官方仓库）
以下数字核对自技术报告 Table 1：
• 122B：完整版 HLE（人类最后的考试，受限联网）59.0，高于 Gemini 3.1 Pro 的 51.4，低于 Claude Fable 5 的 63.8；FrontierScience 奥赛 87.0、科研题 66.7。
• 35B：HLE 52.2，SEAL-0 62.2，是表中 SEAL-0 最高分。
要注意：表里 Gemini 3.1 Pro 除 HLE 外的成绩、GPT-5.6 Sol 的全部成绩都带星号，是 Axion 团队自己测的；论文也写明跨来源对比的执行设置可能不同，HLE 用的还是受限联网。
我们翻了源码：三个关键设计
我们把仓库克隆下来，重点读了强化学习和数据流水线部分。整体分三块：datagen 造数据，training 里 sft 用 Swift + Megatron、rl 基于 verl 改的异步训练，evaluation 负责评测打分。
1. 奖励：答对给满分，答错按“走对了几步”给安慰分。每道 RL 题都带一串中间目标（hops）。最终答案对就给 1 分；不对的话，看从头开始连续答对了几步，最多拿 0.3 分；要是连最终答案都没交，再扣 0.1。这样模型不会因为一题没答完就完全学不到东西，又不至于靠“半截答案”刷分。
奖励函数核心逻辑（代码摘自 Axion 仓库，为手机阅读换行）
2. 异步训练，但严格管“过期”。生成轨迹和更新模型是分开跑的，所以一条轨迹可能是用几版之前的参数生成的。代码规定：同一道题的 8 条轨迹里，只要有一条落后超过 11 个版本，整组作废；8 条得分全一样的组也扔掉，因为对 GRPO 来说没有学习信号。凑够 24 组才更新一次。
过期组、无效组的剔除规则（代码摘自 Axion 仓库）
3. 造题：答案由程序算，能“背出来”的题先删掉。第二阶段的题目不是让大模型编的：程序先在 NASA 系外行星库、OurAirports、OpenAlex、UniProt、Ensembl 等公开数据库里筛出唯一目标、算出参考答案，再让模型把它改写成自然语言。随后用一个不给工具的模型闭卷硬答一遍，凡是闭卷就能答对的题统统删除，保证剩下的题真的要靠检索才能做。
闭卷过滤：不给工具让模型直接答，答对的题被剔除（代码摘自 Axion 仓库，为手机阅读换行）
怎么用？
README 给的路线是：克隆仓库，按训练指南做两段 SFT 和检查点导出，再用 verl 跑 RL；数据构造和评测另开一个 Python 3.11 环境安装即可。RL 文档写得很实在：推荐配置是 40 张卡跑生成、16 张卡训练，还要求 vLLM 0.22 以上，并坦言原始 RL 镜像已不可用，需要在自己的硬件上重新验证环境。
论文给出的 SFT 成本：32 张 GPU，35B 两段共约 90 GPU 小时，122B 约 240 GPU 小时。
一句话看点
不靠复杂花活，两段 SFT 加一段带“过程分”的 RL，把智能体训练的全流程连同数据一起摊开。权重还没放，但想自己复现、改造智能体训练的团队，现在已经有一套可以照着跑的完整配方。
相关链接
GitHub 项目地址
https://github.com/bytedance/axion1_0
项目主页
https://axion1-0.github.io
技术报告（PDF）
https://axion1-0.github.io/paper/axion.pdf
训练数据（Hugging Face）
https://huggingface.co/datasets/Axion1-0/axion-training-data
