En ny AI-model, Apodex 1.1, hævder at levere frontier-niveau ydeevne i komplekst, langvarigt arbejde – på trods af at den er markant mindre end mange konkurrerende systemer. Modellen er designet til at håndtere vedvarende interaktion med filer, informationskilder og eksekverbar kode, med state maintenance, fejlhåndtering og verificerbar levering. Forskerne kalder det 'working capability': vedvarende, verificerbar fremgang mod et reelt mål.
Ifølge paperet på Hugging Face udvikler Apodex 1.1 denne evne gennem to komplementære dimensioner: Environment Scaling, der udvider diversiteten og verificerbarheden af eksekverbare fil-, søge- og kodemiljøer, og Agentic Coordination Scaling, der træner agenter til at dekomponere langvarige opgaver, delegere parallelt arbejde, integrere asynkrone resultater og replanlægge. En fælles eksekverings-harness og AgentOS vedligeholder opgavestate og provenance på tværs af værktøjer og agenter.
Det strategisk interessante er størrelsen: Apodex 1.1 når den førende præstationsbande på tværs af komplekst professionelt arbejde, finans, videnskabelig forskning, matematik, kodning og søgning – samtidig med at den bruger en 'substantielt mindre model' end mange frontier-systemer. Den 35B-parameter version, Apodex 1.1 Mini, bevarer stærk working capability i en lokalt deployerbar form.
For beslutningstagere betyder det to ting. For det første: Hvis mindre modeller kan matche frontier-ydeevne i komplekse arbejdsopgaver, ændrer det cost/benefit-regnestykket for AI-investeringer markant – både i forhold til cloud-omkostninger og muligheden for lokal deployment, hvilket har betydning for datasuverænitet og compliance. For det andet: Fokus på 'verificerbar levering' og 'state maintenance' adresserer en af de største barrierer for enterprise-adoption af agentiske systemer – pålidelighed over tid. Det er ikke en inkrementel model-opdatering, men et skridt mod at gøre AI-agenter til reelle arbejdsredskaber for langvarige, komplekse opgaver.
