LO ESENCIAL EN 30 SEGUNDOS
- Axion-1.0-35B es un modelo de mezcla de expertos con unos 35B de parámetros en total y 3B activos, publicado bajo licencia Apache 2.0.
- Los autores publican el artículo, el código de entrenamiento y un conjunto de datos Apache 2.0 con 18.363 trayectorias de ajuste fino y 484 tareas de aprendizaje por refuerzo.
- Según sus propias evaluaciones, el modelo de 35B iguala o supera a Gemini 3.1 Pro en seis pruebas agénticas; estos resultados no se han verificado de forma independiente.
Un grupo de investigadores encabezado por ByteDance ha publicado Axion 1.0, que describe como un modelo fundacional abierto para agentes, pensado para razonar sobre problemas científicos y usar herramientas. El primer punto de control disponible en Hugging Face, Axion-1.0-35B, es un modelo de mezcla de expertos con unos 35.000 millones de parámetros en total, de los que se activan alrededor de 3.000 millones por token. Se distribuye con licencia Apache 2.0. El artículo que lo acompaña se subió a arXiv el 2 de noviembre y se revisó al día siguiente.
Qué se publica
El equipo asegura que comparte la receta completa para reconstruir el modelo: pesos en BF16, el código de entrenamiento alojado en la organización de ByteDance en GitHub y el propio conjunto de entrenamiento. Este, también bajo Apache 2.0, reúne 18.847 filas: 10.819 conversaciones de razonamiento científico en las que el modelo puede ejecutar Python pero no hacer búsquedas, 7.544 trayectorias verificadas de uso de herramientas construidas a partir de bases de datos públicas y 484 instrucciones con respuestas de referencia para el aprendizaje por refuerzo.
La página del proyecto cita a siete autores. Cuatro trabajan en ByteDance, entre ellos el responsable del proyecto, Yunjie Tian; el resto pertenece a la Universidad Duke, la Universidad de Maryland y la Universidad de Buffalo. No se menciona un equipo concreto de ByteDance.
Un entrenamiento más corto
El artículo defiende un proceso deliberadamente breve: dos etapas ligeras de ajuste supervisado seguidas de aprendizaje por refuerzo, sin mid-training, DPO ni destilación on-policy. La primera etapa genera problemas difíciles y refuerza las estrategias con las que el modelo base ya acierta; la segunda enseña a usar herramientas en tareas cuya respuesta puede comprobarse automáticamente. El refuerzo se centra después en trabajos largos con herramientas. Ni la ficha del modelo ni la página del proyecto identifican el modelo base, aunque una etiqueta de Hugging Face apunta a una arquitectura MoE de tipo Qwen 3.5.
Resultados por confirmar
Los autores presentan resultados en seis configuraciones, entre ellas Humanity's Last Exam (52,2), SEAL-0 (62,2) y FrontierScience Research (56,7). En su tabla, el modelo de 35B supera a Gemini 3.1 Pro, evaluado por el propio equipo, en cinco y empata en el subconjunto de BioMysteryBench. La página del proyecto aclara que las cifras de Axion corresponden a la mejor ejecución individual (la mejor de cinco en BioMysteryBench) y que los ajustes de los modelos de referencia pueden variar según la fuente, por lo que la comparación debe tomarse con cautela. También se describe una variante mayor de 122B, pero solo se enlazan los pesos del modelo de 35B. Al cierre de esta nota no había evaluaciones independientes.