传统的 Deep Research 已经卷到头了。
能写出一份漂亮的总结报告 ≠ 能把真实的复杂任务干完。
我拿几十万字的《红楼梦》原著,给 Apodex 1.1 在线工作台,出了个极其变态的任务。
统计 20 个核心人物的
→ 出场次数
→ 出场回数
→ 每个人第一次出场时的原句
最后还要整理成一张可以直接下载的完整表格。
整个完成任务的过程,像是直接「雇佣一个 AI 数据团队」。
上传文件后,它自己开始拆任务。
一个 Agent 负责解析原著,另一个独立分析,多个任务并行推进;
右侧 Task Board 会实时告诉你现在做到哪一步。
更有意思的是,任务跑到一半,我突然改需求:
“只分析前 80 回,后面的不要了。”
以前遇到这种情况,AI 很可能重新来一遍。
Apodex 直接保留已经完成的成果,只重规划受影响的部分。
更关键的是,它不是做完就交卷。
交付前,又调起独立核验 Agent,把人物统计、出场回数和 900+ 条出场原句重新检查一遍。
最后交付给我的是:
可下载的结构化表格 + 完整分析结果 + 口径说明。
这可能才是下一代 Deep Research 真正值得关注的变化:
从“帮你生成一份报告”,变成“接管一项复杂任务,并把它做完”。
目前,Apodex 1.1 Web 端已经正式上线。
🎁 注册即送 credits,强烈建议立刻上传个复杂文件自己跑跑看:
🌐
没想到,更炸裂的是,Apodex 居然开源了
开源模型: Apodex 1.1 mini,35B,开放模型权重,支持本地部署。
开源框架: FrontierAgent,Agent 执行 Harness,支持 ReAct 单 Agent + Multi-Agent Team。
本地运行: 支持 macOS / Linux,无需强制依赖 Docker。
组合能力: Apodex 1.1 mini + FrontierAgent,可在本地运行完整 Agent 执行流程。
💻 如果你是开发者,这里有开源 Agent 框架,欢迎顺手点个 ⭐:
👉
🤗 想本地自己跑模型的看这里👇
#
Apodex# #
DeepResearch#