endless-frontier 开源 BigBang-v1：让 AI 自己出题自我进化

BigBang-v1 是一个基于 Qwen 3.6 35B-A3B 打造的开源实验性多模态模型，专门探索 AI 能否脱离人类手工标注、自己出题训练自己。

团队 endless-frontier 在 Hugging Face 上完整放出了它的权重和部署方式。它最亮眼的地方，是仅靠约 1 万条机器自己生成的后训练题目，就在大量前沿科研基准测试里击败了多款大模型，综合水平卡在 284B 的 DeepSeek V4 Flash 和 1.6T 的 DeepSeek V4 Pro 之间。

让两台 Agent 左右互搏出难题

现在大模型提升能力，最大的瓶颈是人类专家出的题不够用了，或者题目本身被人类的认知上限锁死。BigBang-v1 换了个思路：直接让 AI 建立一套对抗式的合成数据循环系统。

系统里包含两类核心角色。生成智能体（Generator Agent）负责持续构思并解决极具挑战性的科学与技术难题。批评智能体（Critic Agent）则负责挑刺，从正确性、难度、扩展性以及多样性几个维度打分，直接淘汰水分较大的样本。

有评测讨论指出，系统里还配备了用来评估真实科研迁移能力的校准机制。整套系统在没有大规模人工干预的情况下，筛出了大约 1 万条高质量样本，并以此对基础模型完成强化。

效果非常夸张。在 Frontier Science Research 测试中，原本 Qwen 基础模型只有 11.9 分，BigBang-v1 直接飙到了 46.2 分。在 Humanity's Last Exam、PaperBench 乃至 BioMystery-HD 评测里，这个 35B 体积的模型甚至反超了 1.6T 的 DeepSeek V4 Pro Preview。

默认给到 262K 上下文，硬件要求不低

虽然模型参数只有 35B，但为了让它处理复杂的科研推演，官方将默认上下文长度直接拉到了 262,144 tokens，也就是 262K。官方特别提醒，如果显存吃紧可以适当截断，但最好保留至少 128K，否则深度思考推理能力会大打折扣。

模型原生支持视觉多模态输入，也支持工具调用和多 Token 预测（MTP）。如果你只需要纯文本推理，在部署时可以关掉视觉编码器来释放显存空间。

想在本地跑起来，目前官方推荐使用 vLLM 或 SGLang。在生产环境跑满 262K 上下文需要 8 卡并行。如果只是个人研究测试，可以去 Hugging Face 搜索 endless-frontier/BigBang-v1 获取权重，配合 Transformers、SGLang、vLLM 或 Docker 镜像进行本地搭建。

为什么重要

对从事科研计算、Agent 探索的开发者来说，BigBang-v1 非常值得拿来做垂直领域微调和长链推演的测试底座。它证明了模型后训练不一定要堆成百上千万条数据，高质量且可验证的合成题库完全能带来跨级别的性能跳跃。

不过，业内讨论也指出，把这种模式叫作自我进化存在一定夸张成分。说白了，它是一个设计精密的闭环数据飞轮，一旦基础生成器的能力撞墙，题目的上限依然会被锁住。但从低成本跃级的角度看，这种把数据合成交给 Agent 对抗的思路，显然给算力受限的中小团队指了一条极具性价比的新路。