Apodex 是由 Apodex 團隊開發的 reasoning-first 模型家族。官方模型卡將它定位為適合 長程研究、預測與可驗證推理——官方以可驗證產出定位其研究代理服務；能否重現結果，仍取決於工具、資料與執行紀錄。
目前對外開放的代表模型為 Apodex 1.1 Mini（apodex/apodex-1.1-mini:free），採 Mixture-of-Experts 架構，context window 262K tokens，在 OpenRouter 以免費模型形式提供。
家族定位與版本矩陣
| 模型／產品線 | 定位 | 關鍵差異 | 存取方式 |
|---|---|---|---|
| Apodex 1.1 Mini | 長程研究、預測 | MoE；262,144 tokens | 開放權重；OpenRouter 免費路由 |
| Apodex core API | 文字推理 | apodex-1.1／apodex-1.1-mini；不執行工具 | 官方模型 API |
| Deep Research 服務 | 研究代理 | 搜尋、沙箱、MCP 與代理執行環境 | Apodex 官方平台 |
先分清楚模型與研究代理服務
官方模型卡把 Apodex 定位為 reasoning-first，也提供原生 function calling 的使用方式。AgentOS、非同步 Agent Team 與交付前的 Statement Review 則是代理系統的組成，不會因為呼叫一次模型就全部出現。
官方 core-model API 文件明確區分兩者：apodex-1.1 與 apodex-1.1-mini 接收文字，伺服器端不執行規劃迴圈、搜尋或工具。Deep Research 服務才提供網頁搜尋、URL 抓取、程式沙箱與 MCP servers。選型時先決定需要哪一層產品，再挑模型。
家族演化
本篇聚焦 Apodex 1.1 Mini，並區分 core API 與研究代理服務，未整理整個家族的發布史或逐代效能演進。
架構與訓練取捨
架構與關鍵規格
| 項目 | 規格 |
|---|---|
| 架構 | Mixture-of-Experts (MoE) |
| Context Window | 262,144 tokens |
| 參數量 | 請以官方模型設定與權重倉庫為準 |
| 訓練組織 | Apodex |
| 授權/存取 | OpenRouter 免費模型（:free 後綴），亦可透過 Apodex 官方平台存取 |
| 輸入模態 | 文字（含程式碼與轉成文字的資料；core API 不接受檔案內容部件） |
| 輸出模態 | 文字、推理內容、工具呼叫請求；附件由執行環境產生 |
⚠️ 模型與官方代理服務是不同層次。AgentOS 與 Agent Team 提供執行流程；直接使用模型 API 時，仍需提供工具定義與執行工具的主程式。Mini 也可以在本地部署。
評測與競品比較
本篇沒有在同一評測條件下核對研究與預測的候選模型，不能據此排名。比較時需對齊模型版本、benchmark、harness、工具權限與推理預算，再用下列任務驗證方式評估自己的工作流。
延伸選型可參考 Cohere、North Mini Code，並依任務與部署條件比較。
授權、價格與部署
部署與存取方式
OpenRouter（免費）
import os
import openai
client = openai.OpenAI(
api_key=os.environ["OPENROUTER_API_KEY"],
base_url="https://openrouter.ai/api/v1"
)
resp = client.chat.completions.create(
model="apodex/apodex-1.1-mini:free",
messages=[{"role": "user", "content": "..."}]
)- 免費端點有額度與限流；使用前確認 OpenRouter 帳號政策。
- 適用原型開發、個人研究、低頻批次任務
Apodex 官方平台
- 官方代理服務提供 AgentOS 與 Agent Team 工作流。
本地/私有部署
- 官方提供 Apodex-1.1-mini 開放權重，模型卡列出 SGLang 與 vLLM 本地部署指令，授權為 Apache 2.0
- 企業定價與私有部署選項須向 Apodex 確認。
Agent 使用與選型
如何組成研究工作流
模型卡提供的 host loop 是：在 tools 傳入 schema，執行模型提出的請求，把結果以 role="tool" 放回對話，再繼續到模型不再要求工具。應用程式還要管理狀態、紀錄與權限。
例如資料分析應用可以提供 CSV 讀取器、Python 沙箱與報告寫入工具。這是建議的應用設計，不是本文已驗證的 Apodex 內建連接器清單。檔案格式、資料庫存取、網路權限與持續運作的 kernel 都取決於執行環境。
託管 Agent Team 描述了任務拆解、平行子代理與交付審查。若自行重建這類流程，要保留完成的工作與中間證據，並獨立核對計算和引用。模型寫出的推理文字，不能代替實際執行紀錄。
適用場景
以下是可評估的應用方向，不代表本文已驗證每類任務的正確率。
| 場景 | 說明 |
|---|---|
| 學術/產業研究 | 文獻綜述、假設生成、實驗設計、資料分析、報告撰寫全流程 |
| 金融/經濟預測 | 多源資料融合、模型回測、情境模擬、風險因子歸因 |
| 科學計算與建模 | 微分方程求解、參數估計、不確定性量化、結果可視化 |
| 複雜資料管線審計 | ETL 流程驗證、資料品質檢查、血統追蹤、合規報告 |
| Agentic 系統核心 | 作為「規劃+驗證」核心，指揮下游執行型模型 |
可以先驗證的工作流
先拿可重現的資料分析任務測試，別一開始就交給它無限範圍的金融預測。提供公開 CSV、欄位說明與一個問題，例如：「比較兩年的月營收，標出缺漏月份，附上分析腳本。」執行環境提供唯讀檔案工具與沙箱，再用獨立計算核對產出。
這是應用設計範例，不是本文實測的成效。保留輸入資料快照、工具紀錄、腳本與最終數字；說明聽起來合理，還不足以證明任務成功。
限制與取捨
長上下文可以容納更多材料，不能保證模型找對資訊或算對結果。工具存取、狀態保存、並行工作與附件交付都要由執行環境管理。Mini 是否適合你的任務，要拿自己的資料測試；目前來源不足以支持「一般聊天一定較差」或「複雜任務一定需要完整版」的比較結論。
模型卡提供 SGLang 與 vLLM 本地部署方式，並列出 Apache 2.0 授權。本地部署仍需足夠記憶體，以及相符的推理與工具解析器。免費託管端點適合實驗；正式使用前確認供應商可用性、帳號配額與資料保留條款。
更新紀錄
- 2026-10-11：依共同家族格式重排章節，使用既有資料補版本矩陣；事實核對日期沿用既有紀錄。
- 2026-10-11：上線前核對模型與 API 文件，區分原始模型與研究代理服務，移除未證實的 IDE、私有部署與比較效能宣稱。
最後更新：2026-10-11。模型規格、免費額度與存取方式會隨平台政策變動，請以官方文件為準。
參考資料
Loading...