Tev-320B

Tev-320B

一个 320B 的混合专家智能体模型，只用一个 bash 工具完成较长的终端任务。用 1,170 个环境做强化学习训练，面向研究者，采用非商业许可。

由 gordonhu 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：Tev-320B 是面向长终端任务的智能体模型。它以 GLM-5.3-Flash 为起点，后者是总参数 320B、激活参数 18B 的混合专家模型。它在 1,170 个经过验证的环境上用强化学习训练，这些环境会给每一步打分，而不只看最终结果。

适合谁：它适合研究终端智能体和长任务的研究者，以及能托管超大模型的团队。许可是非商业的。

Title: 谁在用
Industry | Who uses it | How they use it | Example
研究 | 智能体研究者 | 研究带进度奖励的强化学习 | 把 Tev-320B 与它的 GLM 基础模型比较
软件 | 测试编程智能体的团队 | 运行只通过 bash 工作的智能体 | 在容器里修复一个坏掉的构建
评测 | 基准测试团队 | 运行终端任务并给通过率打分 | 在 Terminal-Bench 子集上给它打分

如果你需要小模型或商业产品，可以跳过它。

用在哪里：

• transformers 库，在装有 Python 的 Windows、macOS 或 Linux 上
• 在容器里只给模型一个 bash 工具的终端智能体框架
• 多 GPU 服务器，因为 BF16 权重约 643 GB

Title: 它能做的事
Use case | Who | What they get back
长终端任务 | 智能体开发者 | 朝目标一步步推进的 bash 操作
环境修复 | 研究者 | 一轮轮被修好的工作区
基准测试运行 | 评测人员 | Terminal-Bench 子集上的通过率

如何设置：

• Windows、macOS 或 Linux 上的 Python
• 大容量存储和多 GPU 显存，因为文件是 49 个 safetensors 分片，约 643 GB
• 一个在为每个任务准备的容器里交给模型一个 bash 工具的智能体环境

1. 安装 Hugging Face Hub 工具。
2. 下载模型文件。
3. 在你的智能体框架里加载模型，并给它 bash 工具。

pip install -U huggingface_hub
hf download gordonhu/Tev-320B

如何使用：
把模型当作智能体运行。它在容器里收到终端任务，一轮轮地用 bash 命令回应。模型卡描述了这种单工具设置，但没有给出运行命令。

hf download gordonhu/Tev-320B

示例：
你把智能体放进一个装着坏掉的数据管道的容器，让它修好这个管道。它一轮轮地执行 bash 命令，工作区越来越接近预期状态。模型卡没有展示示例会话。

新手与专家：
如果你是新手，这是一个在命令行里工作的 AI，运行命令并读取结果，直到任务完成。第一件小事是读模型卡里关于 Tev 如何训练智能体的描述。

如果你懂这个领域，训练用到潜在世界，也就是一个隐藏的正确规格，用来给最终答案和每一步打分。奖励是在通过与否的检查之上加上进度分的 0.25 倍。代价在证据上：结果来自作者自己选的 Terminal-Bench 子集，3.0 有 22 个任务，4.0 有 18 个。

从隐藏的正确世界构建任务
用可修复的缺陷破坏输入
智能体在容器里用 bash 工作
先按进度给每轮打分，再看结果

注意事项：

Title: Terminal-Bench 4.0 CM 子集，Pass@1
Claude Opus 5: 0.52 Pass@1
Claude Fable 5: 0.46 Pass@1
GPT-5.6 (sol): 0.39 Pass@1
Tev-320B: 0.37 Pass@1
Grok 4.6: 0.31 Pass@1
GLM-5.3-Flash: 0.29 Pass@1
Claude Opus 4.8: 0.27 Pass@1
Claude Sonnet 5: 0.19 Pass@1

• 相对基础模型的提升：3.0 子集上 Pass@1 是 0.27，基础模型是 0.20，4.0 子集上是 0.37 对 0.29。
• 领域：Tev-Gym 覆盖七个领域，从软件工程到量子计算。
• 权重：文件里带着基础模型原封不动的视觉编码器。训练和测试只用文本，也不附带 MTP 权重。
• License：cc-by-nc-4.0，所以是非商业的。
• Cost to run：没有提到 API 密钥或付费服务，但模型需要非常大的 GPU 显存。
• Data it reaches：智能体在容器里运行 bash，所以它能接触到什么取决于你怎样设置这个容器。
• Not for：商业用途，许可不允许。

Hugging Face 上的数据（2026年11月13日）

• 任务：text generation
• 框架：transformers
• 参数量：321B
• Weights: about 643 GB in BF16; about 161 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：495
• 点赞：17
• 许可证：cc-by-nc-4.0
• 语言：en
• 基于：zai-org/GLM-5.3-Flash
• Quantized versions: 2
• 标签：transformers, safetensors, glm5_next, image-text-to-text, agent, long-horizon, terminal, reinforcement-learning, text-generation, conversational

链接

• 模型：https://huggingface.co/gordonhu/Tev-320B
• 文件：https://huggingface.co/gordonhu/Tev-320B/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 gordonhu/Tev-320B

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。