Axion-1.0 是字节跳动 11 月 2 日公开的智能体基础模型，论文、训练配方和代码全公开，Apache 2.0 协议。结论先说：想学智能体模型是怎么训出来的，它是近期最值得读的开源项目；想立刻下载一个能用的模型干活，先别急，权重这一步还没完全到位。
Axion-1.0是两个模型，一份公开的训练配方
Axion-1.0 有两个尺寸：35B（每次只算 3B）和 122B（每次只算 10B），都是混合专家 MoE 架构，基座分别是 Qwen3.6-35B-A3B 和 Qwen3.5-122B-A10B。它不是从头训的新模型，而是在 Qwen 基座上用三段式配方训出来的智能体模型：两轮轻量监督微调加一轮强化学习，训练样本约 1.8 万条，122B 版本约 1000 GPU 小时。智能体自带四个工具：联网搜索、访问网页、查学术论文、跑 Python 代码。成绩上，35B 在三项研究型智能体测试里超过 GPT-5.5 和 Gemini 3.1 Pro，122B 在 Humanity's Last Exam 上拿到 59 分。官方仓库在 GitHub 的 bytedance 组织下，项目名 axion1_0。
部署之前，先分清你拿到的是什么
代码和配方在 GitHub 上，数据构造、筛选、提示词、训练代码和评测脚本都在，照着跑能复现整个训练流程，这是它真正的价值。35B 的权重在 Hugging Face 上能下载，但项目 README 自己写明了那是社区复现，不是官方权重，BF16 格式约 70GB，普通电脑跑不动，至少要一块大显存的显卡或租卡。122B 的权重目前没有官方下载链接，想用它只能自己按配方训。它没有现成聊天入口，也没有一键部署脚本，更像一份公开的实验记录，而不是开箱即用的产品。和DeepSeek Harness 这个拿来跑智能体的运行时不同，Axion-1.0 是拿来研究智能体怎么训出来的模型。
三个坑，动手之前先看完
第一个坑是把社区权重当成官方权重，出了问题找不到官方支持，更新和修复都得等社区。第二个坑是被评测分数带偏，HLE 这类分数测的是研究型任务，不等于日常写代码、做调研也一样强。第三个坑是低估复现成本，配方公开不等于便宜，122B 的训练账单仍然要按上千 GPU 小时算。适合的人是想研究智能体训练方法的研究者和工程师，不适合只想找个现成模型马上干活的人，后者先等官方权重或社区封装。想先搞懂 MoE 架构，可以看混合专家 MoE 是怎么省算力的。
