AREX-2

AREX-2

用 BAAI 的 27B 模型，通过多轮提出、测量、反思和修改来改进自己的解答，适合做编程、机器学习和深度研究任务的智能体研究者和开发者。

由 BAAI 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：AREX-2 是北京智源人工智能研究院推出的 27B 参数智能体模型。它面向长任务，会在多轮里不断改进答案。每一轮它先提出解答，再测量，反思结果，然后修改。它接收图片和文字，返回文字。

适合谁：它适合构建智能体，并让它们在有可测量反馈的编程、机器学习或研究任务上反复迭代的研究人员和工程师。

Industry | Who uses it | How they use it | Example
人工智能研究 | 智能体研究人员 | 研究测试时的自我改进 | 对比同一任务在更多轮次后的结果
软件 | 机器学习工程师 | 让模型根据分数和耗时改进代码 | 每一轮之后都更快的算法
数据科学 | 分析人员 | 根据日志和错误迭代机器学习任务 | 读完错误日志后被修好的训练脚本
研究团队 | 深度研究开发者 | 把学到的迭代习惯用到研究任务上 | 一个在多轮里修改答案的研究智能体

如果你的任务没有可读取的分数、日志或其他反馈，可以跳过它。

用在哪里：

• 使用 transformers 库的 Python
• 能运行代码或工具，并把分数、日志和错误返回给模型的智能体环境
• 有足够 GPU 内存容纳 27B 参数的 Windows、macOS 或 Linux 机器

Use case | Who | What they get back
算法编程 | 开发者 | 经过多轮改进的解答
机器学习工程 | 机器学习工程师 | 由分数和日志引导的代码修改
深度研究 | 研究人员 | 随任务预算增加而被修订的答案

如何设置：

你需要先准备：

• Python 和 pip
• 能放下约 54.7 GB BF16 权重的 GPU 环境，4-bit 估算约 13.7 GB
• 一种运行你的任务并把结果送回模型的方式

1. 安装 Hugging Face hub 工具。
2. 下载模型文件。
3. 按模型卡的说明用 transformers 加载模型。

pip install -U huggingface_hub
hf download BAAI/AREX-2

如何使用：给模型一个任务和一种衡量它工作的方式，然后让它跑几轮。每一轮它读取返回的内容，决定下一步改什么。

Tool | What it does
Propose | 为任务写出一个候选解答
Measure | 运行候选解答，收集分数、日志、错误和耗时
Reflect | 阅读这些反馈，决定要改什么
Revise | 更新解答并开始下一轮

示例：你给它一个很慢的例程和一个计时脚本，请它在几轮里把例程变快。它会提出一个版本，读取耗时，反思拖慢的原因，并在每一轮里修改代码。

新手与专家：可以把它想成一个会检查自己的工作并再试一次的模型。第一步可以做一个简短的编程任务，配一个会打印分数的脚本，看看答案在几轮里怎么变化。

它是一个与 Qwen3.8 兼容的稠密多模态模型，上下文为 262,144 个 token。训练用了带可验证反馈的机器学习和算法编程任务，外加更早的 AREX 深度研究数据。作者说，学到的这种习惯无需新的搜索数据就能迁移到深度研究。

模型提出一个解答
你的环境测量结果
模型对反馈进行反思
它修改后开始下一轮

注意事项：模型卡在多个基准上把这个模型与闭源权重和开放权重的模型做了对比，包括 Frontier-CS 和 MLE-Lite。

• 上下文: 262,144 个 token
• 规模: Hugging Face 列出 27.4B 参数，格式为 Safetensors
• 反馈: 这个方法依赖分数、日志、错误和耗时，所以有可验证反馈的任务最适合它
• 其他版本: 列出了其他人做的 16 个量化版本和 1 个微调版本
• License: Apache 2.0
• Cost to run: 未提及，GPU 由你自己提供
• Data it reaches: 你传给它的任务文件、分数和日志

Hugging Face 上的数据（2026年11月13日）

• 任务：image text to text
• 框架：transformers
• 参数量：27.4B
• Weights: about 54.7 GB in BF16; about 13.7 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：3,028
• 点赞：208
• 许可证：apache-2.0
• 基于：Qwen/Qwen3.8-27B
• Quantized versions: 18
• Fine-tunes: 1
• 标签：transformers, safetensors, qwen3_5, image-text-to-text, agent, deep-research, reasoning, tool-use, long-context, self-improvement, conversational

链接

• 模型：https://huggingface.co/BAAI/AREX-2
• 文件：https://huggingface.co/BAAI/AREX-2/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download BAAI/AREX-2

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。