# AREX-2: BAAI открыла веса 27B-модели для итеративных агентных задач

Источник: https://modelium.tech/zhurnal/arex-2-27b-local-iterative-agent-open-weights/

BAAI разместила 29 сентября 2026 года открытый чекпойнт AREX-2: 27B-модель на базе Qwen3.8 с одиннадцатью Safetensors-шардами под Apache 2.0. Она рассчитана на многократное улучшение решения по обратной связи. Локальную генерацию авторы показывают через Transformers, но готовый агентный цикл, внешние инструменты и воспроизведённые Modelium тесты в выпуске не представлены.

AREX-2: открытые веса для итеративного агента

29 сентября 2026 года BAAI разместила **AREX-2** — 27-миллиардную модель, ориентированную на задачи, где ответ можно проверить, вернуть модели результат и повторить попытку. Это не новый интерфейс облачного агента, а доступный для собственного развёртывания чекпойнт. Репозиторий HF создан в 17:56 UTC, а закреплённая ревизия весов датирована 18:13 UTC того же дня. [s1](#src-s1) [s2](#src-s2)

## Что действительно доступно

У ревизии `ef7f467437d65ffe5012dd25173a33c3f8dcaaeb` есть все **11 Safetensors-шардов**, индекс с распределением тензоров, конфигурация, процессор и токенизатор. Список шардов в индексе совпадает с полным деревом репозитория. В конфигурации указаны архитектура `qwen3_5`, тип `bfloat16` и предел контекста `262144` токена; это параметры конфигурации, а не обещание, что такая длина проверена на любом локальном устройстве. [s1](#src-s1) [s3](#src-s3)

Карточка и отдельный файл `LICENSE` для этого чекпойнта указывают **Apache License 2.0**; базовая модель Qwen3.8-27B также размечена Apache 2.0. Это открытые веса с указанными лицензионными условиями, но не доказательство, что опубликован весь тренировочный конвейер. Код агентного окружения нельзя считать приложенным: на момент проверки связанный GitHub-репозиторий содержал README и LICENSE, но не исполняемую реализацию цикла. При распространении производных пакетов нужно соблюдать уведомления и лицензии зависимостей. [s1](#src-s1) [s4](#src-s4) [s5](#src-s5)

## Кому это полезно локально

Модель имеет смысл исследовать для циклов «предложить решение → получить проверяемую оценку или лог → исправить решение»: алгоритмические задачи, машинное обучение и анализ с инструментами. Карточка предлагает локальную загрузку через современный `transformers`, `AutoProcessor` и `AutoModelForMultimodalLM` с `torch.bfloat16`. Для реального агента потребуется отдельно организовать безопасный вызов инструментов, журналирование результатов и границы времени/числа итераций. Однократная генерация по примеру карточки сама по себе не воспроизводит агентный бенчмарк. Мы не запускали веса и не подтверждаем совместимость с Ollama, llama.cpp или vLLM; готового GGUF в закреплённом репозитории нет. [s1](#src-s1) [s3](#src-s3) [s5](#src-s5)

Авторы заявляют **70,7** на Frontier-CS Agent Track (188 заданий) и **81,8** на MLE-Lite Any Medal (среднее по трём seed). Для BrowseComp карточка приводит **84,0**, для HLE — **52,6** на текстовом подмножестве: их нельзя смешивать с оценками других моделей на полном HLE. Все числа — авторские результаты по их протоколам, не независимая проверка Modelium и не показатель скорости на вашем компьютере. [s1](#src-s1)

**Выбор:** если нужен локальный эксперимент с моделью, обученной улучшать решения по обратной связи, изучайте закреплённый чекпойнт и собирайте собственный тестовый контур. Если нужен готовый настольный агент без настройки Transformers и инструментов, этот выпуск пока не даёт подтверждённого пути «скачал и запустил». Размер весов и длина контекста не следует превращать в минимальные требования к RAM/VRAM без измерений на выбранном runtime. [s1](#src-s1) [s3](#src-s3)

## Источники

1. [BAAI — AREX-2: model card, revision ef7f467](https://huggingface.co/BAAI/AREX-2/blob/ef7f467437d65ffe5012dd25173a33c3f8dcaaeb/README.md) — получено 2026-09-29
2. [Hugging Face — AREX-2 commit history](https://huggingface.co/api/models/BAAI/AREX-2/commits/main?limit=20) — получено 2026-09-29
3. [BAAI — AREX-2 pinned tree, config and Safetensors index](https://huggingface.co/BAAI/AREX-2/tree/ef7f467437d65ffe5012dd25173a33c3f8dcaaeb) — получено 2026-09-29
4. [BAAI — AREX-2 LICENSE](https://huggingface.co/BAAI/AREX-2/blob/ef7f467437d65ffe5012dd25173a33c3f8dcaaeb/LICENSE) — получено 2026-09-29
5. [VectorSpaceLab — AREX-2 GitHub repository](https://github.com/VectorSpaceLab/AREX-2/tree/4fdd2f0e3bf244a4844db3ecf440236e8fe10ecd) — получено 2026-09-29