Horizon
規劃中旗艦推理
面向複雜工程與長鏈路任務的旗艦推理方向，研究如何在多重約束下深入分析、保持連貫決策，並檢驗結果。
- 目標任務
- 複雜工程與長鏈路任務
- 能力重點
- 深入推理與連貫決策
模型
不同的專長， 共同的雄心。
不同任務對推理深度、響應速度與成本有不同要求。我們的模型計劃探索三條方向：面向困難工作的旗艦推理、面向日常開發的均衡能力，以及面向專門任務的輕量專用模型。
Voyager
研發中均衡能力
面向日常開發、測試與除錯的主力程式設計和推理方向，在任務品質、速度與成本之間探索平衡。
- 目標任務
- 日常開發與迭代
- 能力重點
- 程式設計、推理與執行效率
Scout
已在 Remy 中使用輕量專用
Scout 是面向 Agent 工作流中邊界清晰、結果可驗證環節的專用模型系列。研究方向包括程式碼檢索與程式設計子任務，探索專用模型與主 Agent 之間更有效的分工。
- 目標任務
- 高頻專用任務
- 能力重點
- 專用化與有效分工
外部模型 API 尚未開放，正式規格與定價將隨服務準備就緒逐步公佈。
研發進展
各模型的研發進展。
瞭解各條模型線的階段目標、當前工作和已取得進展，以及接下來要驗證的問題。
Horizon
旗艦推理
- 階段目標
- 研究複雜工程與長鏈路任務中的推理深度、連貫決策與結果可驗證性。
- 當前工作
- 圍繞複雜推理與長鏈路 Agent 任務開展方向規劃，明確相關能力要求。
- 已取得進展
- 模型專屬的訓練與評測進展待公佈。
- 下一步
- 後續擬驗證推理深度、約束保持與結果可驗證性，具體訓練和評測安排待公佈。
Voyager
均衡能力
- 階段目標
- 驗證面向程式設計 Agent 的後訓練方案，為後續 Voyager 訓練提供依據。
- 當前工作
- 準備訓練資料與評測任務，在較小模型上驗證方法，重點關注工具互動與執行回饋學習。
- 已取得進展
- 共享資料與訓練鏈路已打通，實驗模型已完成單步工程驗證；Voyager 專屬能力提升仍需後續驗證。
- 下一步
- 依據較小模型的學習效果與獨立評估結果，決定是否及何時推進 Voyager 訓練。
Scout
輕量專用
- 階段目標
- 提升專門任務的有效性與效率，平衡檢索精確率、召回率與任務耗時。
- 當前工作
- 持續最佳化程式碼檢索訓練與評估，同時準備面向程式設計子任務的專用模型方向。
- 已取得進展
- 首個 4B 檢索模型已用於 Remy Quick Search，並已公開程式碼檢索評測。
- 下一步
- 在獨立任務上檢驗檢索改進，並推進程式設計專用模型的訓練準備與方案驗證。
Scout 應用例項
讓進步，經得起驗證。
以 Scout 已應用的首個程式碼探索模型為例，瞭解模型分工如何進入 Remy 的實際任務，並通過已公開評測觀察檢索表現與耗時。
Scout · 首個模型
Scout
幫主 Agent 找到要改的程式碼的 4B 模型。
Scout 負責檢索這一步，讓主 Agent 從正確的檔案與程式碼行開始工作。
工作方式
- 任務需要完成的改動
- Scout找到檔案與程式碼行
- 主 Agent實現並驗證
程式碼檢索評測
與強化學習訓練前的基座對比，共 848 項程式碼任務。
- 訓練前基座
- Scout
2.3×
檢索更準確
0.077
0.180
訓練前基座Scout
29%
單個任務更快
訓練前基座
Scout節省 29%
RSI 研究
邁向能夠持續 自我改進的智慧。
遞迴式自我改進（RSI）是我們的長期研究方向：讓 AI 參與設計與評估實驗，推動模型和 Agent 系統共同進步，並進一步支援下一輪研究。
- 01提出實驗
- 02執行與評估
- 03改進模型與系統
- 04支援下一輪研究