Occamy-1.0: агентная модель на 35 млрд параметров конкурирует с более крупными системами

Агенты «совместной работы» выполняют сложные многошаговые сценарии, сбор информации, работу с инструментами, программирование, работу с файлами, через много последовательных обращений к модели, и затраты времени и денег накапливаются за весь эпизод целиком. Поэтому, по мнению авторов, практическая польза такого агента зависит не только от пиковых способностей модели, но и от того, насколько эффективно эта способность реализуется на практике: многие шаги повседневной работы требуют не рассуждений на пределе возможностей, а отслеживания состояния, координации, восстановления после сбоев и доведения задачи до конца.

Авторы представляют Occamy-1.0, экономичную по стоимости модель для задач совместной работы. Судя по заголовку самой статьи, речь о модели с 35 млрд параметров; получена она не обучением с нуля, а дальнейшим ступенчатым пост-тренингом уже пост-тренированного чекпоинта Qwen3.6-35B-A3B. Для этого исследователи собрали данные и окружения, привязанные к реальному выполнению задач, зафиксировали воспроизводимые долгосрочные траектории в нескольких средах исполнения агента и применили ступенчатый пост-тренинг, который поэтапно развивал, а затем объединял взаимодополняющие исполнительские навыки.

На широком наборе бенчмарков для задач совместной работы Occamy-1.0, по данным авторов, стабильно входит в число сильнейших моделей своего размерного класса и на части задач остаётся конкурентоспособна даже с существенно более крупными «передовыми» системами. По собственному заявленному протоколу оценки и ценообразования, совокупный результат модели по четырём репрезентативным бенчмаркам ставит её в самую выгодную по цене точку на границе Парето «цена, качество». Дополнительные проверки по вызову инструментов, программированию и следованию инструкциям, по словам авторов, показывают, что специализация под совместную работу не идёт в ущерб более общей агентной способности модели.

Веса модели и часть обучающих данных выложены в открытый доступ, заявленная цель авторов состоит в том, чтобы поддержать исследования практических агентов совместной работы и агентного пост-тренинга в целом. При этом в тексте не названа институциональная принадлежность авторов, а дата выпуска, лицензия или объём выложенных данных не указаны.

Ключевые факты

Occamy-1.0, экономичная модель для агентов совместной работы (co-work), полученная ступенчатым дообучением уже пост-тренированного чекпоинта Qwen3.6-35B-A3B; согласно заголовку самой статьи, это модель на 35 млрд параметров.
Для обучения авторы собрали данные и окружения, привязанные к реальному выполнению задач, и зафиксировали воспроизводимые долгосрочные траектории в нескольких средах исполнения агента, после чего ступенчатым пост-тренингом развили и объединили взаимодополняющие исполнительские навыки модели.
На широком наборе бенчмарков для задач совместной работы Occamy-1.0 стабильно входит в число сильнейших моделей своего размерного класса и на части задач конкурентоспособна даже с существенно более крупными системами.
По собственному протоколу оценки и ценообразования авторов, совокупный результат модели по четырём репрезентативным бенчмаркам ставит её в самую выгодную по цене точку на границе Парето «цена, качество».
Дополнительные проверки по вызову инструментов, программированию и следованию инструкциям показывают, что специализация не идёт в ущерб общей агентной способности модели; веса и часть обучающих данных выложены в открытый доступ.

Почему это важно

Кому это важно

В первую очередь, командам, которые строят или эксплуатируют собственных ИИ-агентов для реальной многошаговой работы: сбора информации, вызова инструментов, программирования, работы с файлами, где стоимость и задержка каждого обращения к модели складываются в заметный счёт за весь эпизод. Это важно и для исследователей агентного пост-тренинга: вместе с моделью авторы выкладывают часть обучающих данных, так что подход к ступенчатому обучению исполнительским навыкам можно изучать и воспроизводить напрямую, а не только по описанию в статье.

Как это применить

Occamy-1.0 получена не обучением с нуля, а дальнейшим ступенчатым пост-тренингом уже пост-тренированного открытого чекпоинта Qwen3.6-35B-A3B, это готовый пример того, как из существующей открытой модели вырастить более дешёвую специализацию под конкретный класс агентных задач, не переделывая архитектуру заново. Поскольку веса модели выложены в открытый доступ вместе с частью обучающих данных, их можно проверить и использовать для задач совместной работы напрямую, там, где, по словам авторов, эффективность важнее пиковых способностей, вместо того чтобы по умолчанию брать более крупную и дорогую систему. Конкретные условия лицензии и требования к железу в тексте не приведены, это нужно уточнять отдельно.

Можно ли доверять

Источник, карточка препринта на arXiv, то есть заявления пока не прошли независимое рецензирование в привычном смысле. В тексте не названа институциональная принадлежность авторов; результаты приводятся по «собственному заявленному протоколу оценки и ценообразования» авторов. Открытая публикация весов и части обучающих данных, в отличие от чисто маркетингового анонса, оставляет пространство для независимой проверки.

Риски и подводные камни

Ключевые числа, насколько именно Occamy-1.0 уступает или не уступает существенно более крупным моделям, в тексте не названы, а формулировка «конкурентоспособна на части задач» не означает превосходства или паритета по всем задачам. Специализация модели под совместную работу теоретически могла быть куплена ценой более общих способностей, хотя сами авторы приводят в опровержение этому дополнительные проверки по вызову инструментов, программированию и следованию инструкциям. Дата выпуска, условия лицензии и объём выложенного набора обучающих данных в тексте тоже не указаны, так что условия использования модели по одному препринту оценить нельзя.