中國無盡前沿團隊開源 35B 模型 BigBang-V1：基於 Qwen3.6 採 RSI 訓練，科研跑分超越 1T 級 DeepSeek V4 Pro Preview

據報導，由上海交大人工智慧學院、深勢科技與上海演算法創新研究院組成的「無盡前沿」團隊，開源發布基於遞迴自我改進（RSI）原生方式訓練的基座模型 BigBang-V1。官方儲存庫顯示，該模型是建立在 Qwen3.6-35B-A3B 的基礎上。 BigBang-V1 參數規模為 35B，推論時啟動約 3B 參數，支援 262K 長上下文。其後訓練資料 100% 由 AI 自主合成，以具備前沿性與可驗證性的科學任務為核心。資料生成依賴雙代理系統：Generator Agent 負責修改與執行資料合成程式並決定任務領域，Critic Agent 則審查資料正確性、困難度與訓練價值。系統同時透過真實訓練結果的外迴圈反向校準 Critic，避免合成資料崩塌，全程無需人類逐題參與。 評測數據顯示，BigBang-V1 在長程搜尋、程式碼與科學研究等 10 項指標位居 35B 模型第一，BrowseComp 基準達 76.5，SWE-Bench Pro 取得 54.2 分。在 FrontierScience Research 與 PaperBench 等高難度科研任務上，其成績超越 1T 級別的 DeepSeek V4 Pro Preview。實測案例指出，模型能在生物資訊學任務中利用連接證據鎖定轉座子斷點，並在論文復現任務中主動發現樣本量固定與梯度脫離等問題，連續否決錯誤修復方案並完成自我糾錯。