# Apodex 1.1 與 FrontierAgent 開源：Agent Team 可平行執行長時間研究任務
> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)
> 原作者：Apodex (@Apodex_AI) · 策展與摘要：EasyVibeCoding · 平台：X (Twitter) · 熱度：🔥🔥🔥 · 日期：2026-08-25
> 原始來源：https://x.com/Apodex_AI/status/2091916791308313018
## 證據與延伸閱讀
- [Apodex 1.1 與 FrontierAgent 開源：Agent Team 可平行執行長時間研究任務](https://x.com/Apodex_AI/status/2091916791308313018)
- [FrontierAgent 為開源 agent runtime](https://github.com/ApodexAI/FrontierAgent)
- [Asynchronous Agent Team 核心功能](https://github.com/ApodexAI/FrontierAgent/blob/main/assets/agent_team.png)
- [三大 scaling surfaces 與 persistent task state](https://x.com/Apodex_AI/status/2091916794319819104)
- [四大 benchmark 提升 4.1–9.3 分](https://x.com/Apodex_AI/status/2091916797809410524)
- [詳細 benchmark 數據與對比](https://github.com/ApodexAI/FrontierAgent/blob/main/assets/apodex1.1_bench.png)
- [Apodex 1.1 mini 與 Kimi K2.6 對比](https://x.com/Apodex_AI/status/2091916801672392851)
- [FrontierAgent 工作台設計與指令](https://github.com/ApodexAI/FrontierAgent/blob/main/docs/README.md)
- [安裝與啟動方式與環境支援](https://github.com/ApodexAI/FrontierAgent/blob/main/docs/install/README.md)
- [GLUT3 binding docking 任務批次工作流](https://github.com/ApodexAI/FrontierAgent/blob/main/docs/run-artifacts.md)
## 中文摘要
Apodex 1.1 與 FrontierAgent 開源：Agent Team 可平行執行長時間研究任務
**發布內容**
Apodex 於 2026 年 8 月 24 日介紹 Apodex 1.1，定位涵蓋複雜專業工作、科學研究、金融分析與深度搜尋。此次同步推出三項內容：
- **Apodex 1.1**：目前能力最完整的 frontier model，可透過 Apodex 線上 workspace 使用。
- **Apodex 1.1 mini**：35B、採 open weights，設計為可在本機部署的模型。
- **FrontierAgent**：開源、可本機部署的研究工作台與 agent runtime，原始程式碼位於 [GitHub](https://github.com/ApodexAI/FrontierAgent)，模型權重則整理於 [Hugging Face](https://huggingface.co/collections/apodex/apodex-11)。
使用者也能從 [Apodex 線上工作台](https://www.apodex.ai/)、[API platform](https://platform.apodex.ai/) 或 [技術報告](https://www.apodex.com/pdf/20260824) 了解與使用這套系統。
**Agent Team 與執行方式**
Apodex 1.1 的核心功能是 Asynchronous Agent Team。系統會先拆解複雜任務，再讓多個 Agent 平行處理不同工作，持續整合各自結果；使用者可在執行途中介入、引導或重新調整方向，而不必捨棄仍然有效的既有成果。
Apodex 將這種能力歸納為兩個擴展面向，並以持久化任務狀態串起整個流程：
- **Environment Scaling**：擴大模型能學習與操作的檔案、搜尋、程式碼及其他可執行環境。
- **Agentic Coordination Scaling**：讓任務能在多個 Agent、branch 與不同時間點之間拆解、協調、整合及重新組織。
- **Persistent task state**：保留計畫、產出物、相依性、失敗狀態與下一步，使長時間執行不會因中途變更而失去脈絡。
對研究工作而言，這代表系統能從原始輸入一路產出可檢查的結果，並保留清楚的步驟、檔案、失敗原因與後續行動。Agent Team 會把工作分支交給平行 sub-agent，再收回報告完成整合；關鍵主張還能先經過 Independent Statement Review，獨立檢查後才交給使用者。
> 主 Agent 與 Expert Agent Team 及 Verification Agent Team 協作的非同步多 Agent 架構系統流程圖，左側包含 Query、Main Agent 控制面板與 Report Pool，右上方展示多個不同領域的 Agent 任務狀態，右下方為 Verification Agent Team 的審查職責劃分。
**評測結果**
Apodex 表示，在同時以 ReAct 與 Agent Team 評估的四項 benchmark 中，Agent Team 帶來 4.1–9.3 分的提升。貼文列出的結果如下：
- 專業工作：APEX-Agent 38.5、GDPVal 78.8 win rate
- 金融：FrontierFinance 54.3
- 科學研究：FrontierScience-Research 63.3、BioMysteryBench Human-difficult 35.3
- 推理：HLE 56.1
FrontierAgent 文件中的完整比較也列出，Apodex-1.1 Agent Team 在 APEX-Agents、GDPval、FrontierFinance、FrontierScience-Research、BioMysteryBench 與 HLE 的分數分別為 38.5、78.8、54.3、63.3、35.3、56.1；ReAct 則為 34.4、69.5、48.7、55.0、23.5、53.2。相較之下，Apodex-1.0 分別為 16.5、59.3、40.3、28.3、17.6、49.0。
> Apodex 1.1 Agent Team 在 FrontierFinance（54.3 分）與 FrontierScience-Research（63.3 分）取得第一，並在 APEX-Agents（38.5 分）、GDPVal（78.8 分）、BioMysteryBench（35.3 分）及 Humanity's Last Exam（56.1 分）等基準測試中位居前列，相較於 ReAct 組態有 4.1 至 9.3 分的提升。
Apodex 1.1 mini 搭配 Agent Team 時，在 FrontierFinance 得分 50.2、FrontierScience-Research 得分 51.7、APEX-Agents 得分 27.7，幾乎追上 1T-parameter 的 Kimi K2.6 在 APEX-Agents 的 27.9；改用 ReAct 時，三項分數為 40.0、45.0、24.2。這些是來源所列的 benchmark 結果，不代表所有任務都具備相同表現。
> Apodex 1.1 Mini Agent Team 在 FrontierFinance 取得 50.2 分領先各模型，但在 APEX-Agents 以 27.7 分略落後 Kimi K2.6（27.9），在 FrontierScience-Research 以 51.7 分落後 DeepSeek V4 Flash 0731（55.0），各 benchmark 表現各有高低。
**FrontierAgent 的工作台設計**
引用的 FrontierAgent repo 將工具、workflow 與評測層分開，提供兩種原生模式：
- **ReAct**：由單一具狀態的 Agent 讀取檔案、搜尋資料、執行命令、撰寫交付成果，並在任務範圍內反覆迭代。
- **Agent Team**：由 coordinator 維護 task board，把獨立工作分派給平行 sub-agent，收集結構化報告後合成最終結果。
TUI 會即時顯示 pending、active、completed、blocked 與 cancelled 等任務狀態。檔案工作則集中在 task-scoped 沙盒：`/inputs` 為唯讀、`/workspace` 存放工作狀態、`/outputs` 保存最終交付成果。系統對授權與沙盒錯誤採 fail-closed；會對變更操作顯示 diff，通常要求核准，並將 session 建立 checkpoint、trace 與 engine log。使用者可用 `/revert` 還原變更，或用 `--resume` 繼續保存的執行。
> Apodex 1.1 報告、研究文件與程式碼工作流程畫面
來源 repo 也指出，執行中的 Agent 不會因使用者輸入而直接中斷；新指令會排入下一個安全的 turn boundary。在 Agent Team 模式下，指令會先引導 coordinator，已經開始執行的 sub-agent 則可完成目前工作。
**本機部署與使用方式**
FrontierAgent 支援 macOS、Linux、WSL2、Docker，以及搭配 SGLang 的本機模型服務。官方基本流程如下，需準備 Git、Python 3.12、`uv` 與 OpenAI-compatible model endpoint，Docker 可選：
1. 複製 repo 並安裝相依套件：
```bash
git clone https://github.com/ApodexAI/FrontierAgent.git
cd FrontierAgent
uv sync --python 3.12 --extra dev
cp .env.example .env
```
2. 在 `.env` 填入 endpoint：
```dotenv
OPENAI_API_KEY=your-key
OPENAI_BASE_URL=https://your-openai-compatible-endpoint/v1
OPENAI_MODEL=your-model-name
# Optional web research tools
SERPER_API_KEY=
JINA_API_KEY=
```
3. 依需求啟動單一 Agent 或 Agent Team：
```bash
# Stateful single-agent workflow
uv run frontier-agent --mode react --cwd /path/to/project
# Coordinator plus parallel sub-agents
uv run frontier-agent --mode agent_team --cwd /path/to/project
```
FrontierAgent 也提供原生 command-line TUI、ReAct 與 Agent Team 模式，以及在 macOS 和 Linux 上的一鍵啟動方式，不要求預先安裝 Docker。若使用 Docker，repo 提供的流程是先執行 `cp .env.example .env`，再執行：
```bash
docker compose run --rm agent
```
若自行架設 GPU 與 SGLang，來源特別提醒 NVIDIA driver、CUDA 與 SGLang 版本必須符合已審查的相容組合；不相容可能要到模型載入時才以 CUDA 或 Triton kernel 錯誤呈現，因此應先核對 `nvidia-smi` 與 GPU compatibility matrix。這屬部署前的人工核對事項，不能視為任何硬體環境都能直接套用。
**示範與實際意義**
貼文引用的動圖畫面顯示，一個以 Apigenin 與 SchisandrinB 進行 GLUT3 blind docking 的批次工作流，產出 `docking_summary.csv`、`receptor.pdb`、配體與 pose 檔案、`manifest.json` 及 `report.md`，並在右側以 3D 蛋白質結構檢視器呈現結果。這只能作為 demo 中展示的流程觀察，不能單獨解讀為 Apodex 1.1 的正式規格或保證的科學驗證能力。
> 某 AI 服務產出以 Apigenin 與 SchisandrinB 進行 GLUT3 盲式 Docking 的批次工作流報告與結果檔案下載介面
整體而言，Apodex 此次分享的重點不只是推出新 model，而是把模型、可觀察的執行流程、可中途介入的 Agent Team、受控檔案環境與 benchmark runner 放在同一套開源 research workbench 中，試圖將複雜研究工作從一次性回答，推向可分工、可追蹤、可恢復與可檢查的長時間執行。
## 媒體內容
**Apodex 1.1 報告、研究文件與程式碼工作流程畫面**
**影片中的 Prompt 與操作**
操作步驟：
1. （00:48）顯示 6 項 benchmark 評測圖表
## 標籤
新產品, 功能更新, 開源專案, Agent, Apodex, FrontierAgent