endless-frontier 開源 BigBang-v1：讓 AI 自己出題自我進化

BigBang-v1 是一個基於 Qwen 3.6 35B-A3B 打造的開源實驗性多模態模型，專門探索 AI 能否脫離人類手工標註、自己出題訓練自己。

團隊 endless-frontier 在 Hugging Face 上完整放出了它的權重和部署方式。它最亮眼的地方，是僅靠約 1 萬條機器自己生成的後訓練題目，就在大量前沿科研基準測試裡擊敗了多款大模型，綜合水平卡在 284B 的 DeepSeek V4 Flash 和 1.6T 的 DeepSeek V4 Pro 之間。

讓兩臺 Agent 左右互搏出難題

現在大模型提升能力，最大的瓶頸是人類專家出的題不夠用了，或者題目本身被人類的認知上限鎖死。BigBang-v1 換了個思路：直接讓 AI 建立一套對抗式的合成數據迴圈系統。

系統裡包含兩類核心角色。生成智慧體（Generator Agent）負責持續構思並解決極具挑戰性的科學與技術難題。批評智慧體（Critic Agent）則負責挑刺，從正確性、難度、擴充套件性以及多樣性幾個維度打分，直接淘汰水分較大的樣本。

有評測討論指出，系統裡還配備了用來評估真實科研遷移能力的校準機制。整套系統在沒有大規模人工干預的情況下，篩出了大約 1 萬條高質量樣本，並以此對基礎模型完成強化。

效果非常誇張。在 Frontier Science Research 測試中，原本 Qwen 基礎模型只有 11.9 分，BigBang-v1 直接飆到了 46.2 分。在 Humanity's Last Exam、PaperBench 乃至 BioMystery-HD 評測裡，這個 35B 體積的模型甚至反超了 1.6T 的 DeepSeek V4 Pro Preview。

預設給到 262K 上下文，硬體要求不低

雖然模型引數只有 35B，但為了讓它處理複雜的科研推演，官方將預設上下文長度直接拉到了 262,144 tokens，也就是 262K。官方特別提醒，如果視訊記憶體吃緊可以適當截斷，但最好保留至少 128K，否則深度思考推理能力會大打折扣。

模型原生支援視覺多模態輸入，也支援工具呼叫和多 Token 預測（MTP）。如果你只需要純文本推理，在部署時可以關掉視覺編碼器來釋放視訊記憶體空間。

想在本地跑起來，目前官方推薦使用 vLLM 或 SGLang。在生產環境跑滿 262K 上下文需要 8 卡並行。如果只是個人研究測試，可以去 Hugging Face 搜尋 endless-frontier/BigBang-v1 獲取權重，配合 Transformers、SGLang、vLLM 或 Docker 映象進行本地搭建。

為什麼重要

對從事科研計算、Agent 探索的開發者來說，BigBang-v1 非常值得拿來做垂直領域微調和長鏈推演的測試底座。它證明了模型後訓練不一定要堆成百上千萬條資料，高質量且可驗證的合成題庫完全能帶來跨級別的效能跳躍。

不過，業內討論也指出，把這種模式叫作自我進化存在一定誇張成分。說白了，它是一個設計精密的閉環資料飛輪，一旦基礎生成器的能力撞牆，題目的上限依然會被鎖住。但從低成本躍級的角度看，這種把資料合成交給 Agent 對抗的思路，顯然給算力受限的中小團隊指了一條極具價效比的新路。