Apodex 1.1: Scaling Agentic Intelligence for Complex Work

General-purpose language models can reason and synthesize knowledge, but complex work also requires sustained interaction with files, information sources, and executable code, together with state maintenance, failure recovery, and verifiable delivery. We call this working capability: sustained, verifiable progress toward a real-world objective. Apodex 1.1 develops this capability along two complementary dimensions. Environment Scaling expands the diversity and verifiability of executable file, search, and code environments, while Agentic Coordination Scaling trains agents to decompose long-horizon tasks, delegate parallel work, integrate asynchronous results, and replan. A shared execution harness and AgentOS maintain task state and provenance across tools and agents, and training turns environment trajectories and coordination traces into reliable behavior. Across complex professional work, finance, scientific research, mathematics, coding, and search, Apodex 1.1 reaches the leading performance band despite using a substantially smaller model than many frontier systems. The 35B-parameter Apodex 1.1 Mini further retains strong working capability in a locally deployable form. These results ground agentic intelligence in useful, verifiable work completed over time and advance our goal of building a Heavy-Duty Solver for ambitious, long-running tasks.

한 줄 요약

Apodex 1.1은 복잡한 작업을 지속적으로 처리하는 에이전트 지능을 확장한 시스템으로, Environment Scaling과 Agentic Coordination Scaling을 통해 성능을 높인다.

핵심 기여도

**Environment Scaling**을 통해 실행 파일, 검색, 코드 환경의 다양성과 검증 가능성을 확장.
**Agentic Coordination Scaling**을 통해 장기적 작업 분해, 병렬 작업 위임, 비동기 결과 통합, 재계획을 학습.
**35B-parameter Apodex 1.1 Mini** 모델은 작지만 강력한 작업 능력을 유지하며, 로컬 배포 가능.
**AgentOS**와 **공통 실행 허브**를 통해 도구와 에이전트 간 상태와 증거를 일관되게 관리.

핵심 아이디어

기존 언어 모델은 추론 능력은 뛰어나지만, 복잡한 작업에는 지속적인 환경 상호작용, 상태 유지, 실패 복구, 검증 가능한 결과 도달이 필요하다. Apodex 1.1은 이 **working capability**을 핵심으로, 두 가지 확장 차원에서 개선한다.

첫째, **Environment Scaling**은 실행 환경의 다양성과 검증성을 높인다. 파일, 검색, 코드 환경에서의 상태, 도구, 전이, 실패 조건, 완료 검증 등을 명확히 정의하여 학습 분포에 포함시킨다.

둘째, **Agentic Coordination Scaling**은 작업 분해, 병렬 처리, 비동기 결과 통합, 재계획을 학습한다. **Agent Team**은 증거 수집, 파일 분석, 구현, 검증, 반증 분기에서 적응적 병렬 처리를 수행하며, **Agentic RL**을 통해 실행 환경 경로와 협업 추적을 기반으로 장기적 결정을 개선한다.

기술적 접근법

**Environment Scaling**: 파일, 검색, 코드 환경의 상태, 도구, 전이, 실패 조건, 완료 검증 등을 명시적으로 정의.
**Agentic Coordination Scaling**: 작업 분해, 병렬 처리, 비동기 결과 통합, 재계획 학습.
**AgentOS**: 도구와 에이전트 간 상태, 증거, 분기 상태를 일관되게 관리하는 지속적 런타임.
**공통 실행 허브**: 모델과 환경 연결, 관찰 정의, 완료 계약, 재생 및 검증 훅 제공.
**SFT (Supervised Fine-Tuning)**: 추론, 도구 사용, 복구, 다중 에이전트 협업의 공통 행동 학습.
**Agentic RL**: 실행 환경 경로와 협업 추적을 기반으로 장기적 결정 개선.
**35B-parameter Apodex 1.1 Mini**: 작지만 강력한 작업 능력을 유지하며, 로컬 배포 가능.

주요 결과

**FrontierFinance**, **FrontierScience-Research**, **전문 작업**, **수학**, **검색**, **코딩** 등에서 **Apodex 1.1**이 **최고 성능 대역**에 도달.
**35B-parameter Apodex 1.1 Mini**는 **선택된 최첨단 시스템의 성능 대역**에 도달하며, **Apodex 1.0 Mini 대비 +Z% 개선**.
**ReAct**와 **Agent Team** 비교를 통해 **Agent Team이 추가 조직 계산을 통해 시스템 수준 성능 향상**을 보여.

의의 및 한계

Apodex 1.1은 단순한 응답이 아닌 **검증 가능한 작업 완료**를 중심으로 에이전트 지능을 확장한 첫 사례로, 복잡한 작업에서 **지속적 진전**, **도구 활용**, **실패 복구**, **결과 검증**을 가능하게 한다. **AgentOS**와 **공통 실행 허브**를 통해 도구와 에이전트 간 상태를 일관되게 관리하며, **SFT와 Agentic RL**을 통해 학습 분포를 확장한다.

그러나, **Environment Scaling**과 **Agentic Coordination Scaling**은 여전히 **복잡한 환경의 커버리지와 정확도**, **장기적 협업의 신뢰성**, **계층적 추적 학습의 효율성** 등에서 개선이 필요하다. 또한, **모델 크기와 성능 간의 균형**을 유지하는 것도 중요한 과제이다.

실용적 활용

Apodex 1.1은 **금융 분석**, **과학 연구**, **수학 문제 해결**, **코드 작성**, **검색 작업** 등 복잡한 전문 작업에 적용 가능하다. **35B-parameter Apodex 1.1 Mini**는 **로컬 환경에서도 강력한 작업 능력을 유지**하여, **자원 제한이 있는 상황에서 유용**하다. **Agent Team**을 통해 **병렬 처리와 비동기 결과 통합**이 필요한 작업에서도 효과적으로 활용할 수 있다.