BAILU 智能体模型矩阵发布：从 180M 端侧到 400B 旗舰

BAILU APEX 2.5：三档规格，一套架构

BAILU APEX 2.5 家族提供 9B Dense、30B Dense 和 35B MoE 三个版本，全部基于统一的 APEX 2.5 核心架构（BAILU Agentic Stack v2），并深度融合最新的 ASCE 理念。这一设计理念不仅打破了传统“一刀切”模型的局限，更让开发者能够根据自身硬件资源、实时性和任务复杂度灵活选择最适合的模型，无需更换推理框架或频繁迁移工具链，极大简化了落地难度，提升了部署效率。

三款模型均保持完全统一的能力接口和推理体验，支持 262K 超长上下文窗口，原生兼容工具调用与推理链分离架构，开箱即用 vLLM、SGLang、llama.cpp、Ollama 等主流生态。架构、微调范式与语义码总线全链路对齐，保障从 9B 快速演进到 35B MoE 时企业无需重写代理逻辑或重新适配工具栈。

• 9B Dense：体积精悍，强调极致能效，专为本地桌面和轻量化边缘推理优化设计。适合显存预算有限但需全功能智能体体验的用户，例如 RTX 5090 单卡即可轻松运行，支持各类日常工具编排与代码任务。
• 30B Dense：主打吞吐与能力的最佳平衡，在维持高推理效率的同时显著提升复杂任务表现。无论是企业级本地部署还是中大型推理场景，都能获得高性价比的多任务协同能力，适合代码大模型和长链路推理等主流需求。
• 35B MoE：创新采用 6% 稀疏激活门控专家结构，通过仅 2B 等效算力激活即可驱动 35B 级参数大模型。适合算力资源受限但追求顶尖工具编排、复杂代码理解和推理效果的企业或科研场景，最大化能效利用，支持大规模多轮智能体编排链路。

三档规格在保持生态适配性的基础上，满足从个人开发、企业本地私有部署，到具身智能边缘推理的全场景无缝切换需求，构建了 BAILU APEX 2.5 全谱系模型的一体化体验。

核心技术架构

APEX 2.5 与 2.7 Coder 在延续 BAILU APEX-2 语义码总线（Semantic Code Bus）体系的基础上进行了全面升级。ASCE 各训练环节均以可解析的结构化语义码为脚手架，覆盖工具依赖图、执行阶段、回滚条件与证据追踪等关键要素。推理阶段，语义码以残差信号嵌入 Transformer 主干，并与 KV Cache 的 Prefix 状态深度协同，实现多轮代理任务过程中工具编排路径的高效缓存、审计与可溯回。

该架构本质上区别于传统 RAG 的简单文本拼接及 MoE 的 token 级路由机制：APEX 2.5 将代码仓库结构、调用链路及约束条件统一映射为语义图，由主干模型在一次前向计算中直接解析图结构与工具决策，大幅降低长上下文推理的漂移风险。在此基础上，2.7 Coder 创新引入了跨文件语义码传播（Repo-level Semantic Propagation）：例如在 SWE-Bench 任务中，模型能对 issue 描述、相关源文件和测试用例自动建立显式语义关联，在监督微调与强化学习阶段同步优化语义拓扑与 patch 质量。

BAILU APEX 2.5 9B Dense：小体积，超强实力

9B Dense 作为 APEX 2.5 家族中最精巧的版本，经过原生 MXFP8 训练，在代理编码基准上全面领先Google Gemma 4-31B Dense（后者参数量约为 9B Dense 的三倍）。Terminal-Bench 2.1 得分 45.6，SWE-Bench Verified 达到 71.9%，在同级别规模模型中表现最佳。

BAILU APEX 2.5 9B 基准

表格可左右滑动查看全部列

* LiveCodeBench v5 与 BigCodeBench Full 采用 pass@1 评测。

在部署方面，9B Dense 可直接以 bf16 全精度在单张 NVIDIA RTX 5090（32 GB）显卡上运行，无需量化或张量并行处理。对于显存更受限的场景，GGUF Q4_K_M 量化版本在 8 GB 显存下仍能流畅推理，decode 速度稳定超过 170 tok/s。

架构要点

9B 采用 BAILU 稠密 Transformer 优化栈：分组查询注意力（GQA）、BAILU 长上下文 RoPE 扩展、融合 SwiGLU 前馈与推测解码原生支持。推理阶段，工具调用意图经语义码总线压缩为轻量依赖图后注入主干；相较直接将完整对话历史送入注意力层，KV Cache 占用降低 34%，多轮 IDE 辅助的缓存命中率提升至 78%。后训练遵循 ASCE 三阶段路径（SFT、DPO、多域 RL），在脚手架与语义码联合空间中完成能力沉淀。

BAILU APEX 2.5 30B Dense：稠密中坚

30B Dense 以连续激活路径提供可预测的延迟分布，适合对推理一致性有严格要求的企业私有化场景。SWE-Bench Verified 达 74.3%，Terminal-Bench 2.1 得分 58.7，在同参数级稠密模型中建立全面优势。

BAILU APEX 2.5 30B 基准

表格可左右滑动查看全部列

30B 可在单卡 A100 80GB 或双卡 RTX 5090 上流畅运行。采用分层 KV Cache 与 Prefix Cache 技术，在多轮 IDE 辅助和长链路代理场景下，缓存命中率大幅提升，尾部延迟较基线下降 38%。

BAILU APEX 2.5 35B MoE：6% 稀疏，2B 效率

35B MoE 是 APEX 2.5 家族的效率与质量标杆。基于 BAILU 自适应路由 MoE 架构，仅 6% 稀疏激活，单次前向推理仅激活约 2.1B 参数，实现极高推理效率。在 Terminal-Bench、SWE-Bench Verified、NL2Repo 等代理编程任务中，全面领先 Qwen3.6-35B。Terminal-Bench 2.1 得分 66.9，SWE-Bench Verified 得分 78.4。

BAILU APEX 2.5 35B MoE 基准

表格可左右滑动查看全部列

在实际推理中，35B MoE 的 prefill 与 decode 吞吐表现与同类 2B 模型相当，可直接在单张 RTX 5090 或 Apple M4 Max 上结合 MLX 后端高效运行。基准测试显示，35B MoE 在 Terminal-Bench 与 SWE-Bench 的成绩位于 GPT-5.3 xHigh 与 GPT-5.4 High 之间，完全印证了 Cerebras 技术专家的社区实测反馈。

架构要点

35B MoE 采用 BAILU 稀疏激活栈（BAILU Sparse Activation Stack），通过 Top-2 专家选择机制配合负载均衡损失，实现专家路由，注意力层与 MoE 层交替堆叠。推理引擎针对 6% 稀疏比进行了专门的 kernel 融合优化，在相同硬件环境下，端到端延迟较标准 MoE 实现下降 47%。这也是其在 Zed 搭配 Ollama-Vulkan 时实现显著性能提升的核心工程基础。

BAILU 2.7 Coder：400B 编码旗舰

BAILU 2.7 Coder 是 BAILU 2.7 系列专为编码能力增强打造的版本，代表 BAILU 当前可部署的顶级旗舰模型。模型总参数量达 400B，激活参数约 37B，针对长上下文的软件工程自动化与多步代理编程场景进行了深度优化。

2.7 Coder 在 SWE-Bench Verified 上取得了 83.1% 的优异成绩，整体表现超越 GLM 5.2、Qwen3.7-Max、Minimax-M3-428B、Gemini 3.1 Pro、GPT-5.3-CodeX 与 Claude Opus 4.7；SWE-Bench Pro 得分为 63.2%（GLM 5.2 为 62.1%）。此外，在 DeepSWE 长程软件工程基准中，2.7 Coder 以 48% Pass@1 领先 GLM-5.2（44%）和 Gemini 3.1 Pro（12%），表现接近 GPT-5.4 xHigh（52%）。

BAILU 2.7 Coder 基准

表格可左右滑动查看全部列

* Terminal-Bench 2.1 (Terminus-2)：Harbor/Terminus-2 框架，temperature=1.0，128K 上下文，5 次运行均值。
* Terminal-Bench 2.1 (Claude Code)：Claude Code 2.1.126，temperature=1.0，max_new_tokens=131072，5 次运行均值。
* SWE-Bench Verified / Pro / Multilingual：OpenHands harness，256K 上下文，temperature=1.0。
* SWE Atlas — QnA：mini SWE agent harness，128K 上下文，5 次运行均值。
* LiveCodeBench v5 / BigCodeBench Full：temperature=0.2，pass@1，5 次运行均值。
* DeepSWE (Pass@1)：deepswe.datacurve.ai v1.1，113 tasks，mini-swe-agent harness；GLM-5.2、Gemini 3.1 Pro、GPT-5.4/5.5、Claude Opus 4.8 分数取自官方 leaderboard。
* NL2Repo：400K 上下文，48K 输出，anti-hacking filters。
* Claw-eval：真实用户任务分布，temperature=0.6，256K 上下文。

2.7 Coder 基于 BAILU 2.7 引入了仓库级语义码传播能力。在 ASCE 后期阶段，模型能在 issue、相关文件、测试用例与 patch 候选之间建立显式的语义链接，偏好与强化信号共同优化链接拓扑和代码正确性。推理时，语义码总线将跨文件依赖构建为可缓存的图结构，配合 262K 上下文窗口，实现对大型 monorepo 的一次性加载和理解。模型默认输出推理链（可通过 API 的 reasoning_content 字段单独获取），并原生支持 OpenAI 样式的 tool_calls。

BAILU EDGE 180M：至今最小的 BAILU 模型

除了旗舰和主流型号外，我们同步推出了 BAILU EDGE 180M（0.18B）。这是 BAILU 模型系列目前最小的成员，专为边缘与嵌入式场景全新设计，作为智能体的基础模型。在 BAILU EdgeBench 综合评测中，该模型获得 71.4 分，是 Qwen3.5-0.8B（14.3 分）的五倍，在工具调用、指令遵循、数据抽取等实用任务中持续大幅领先同量级模型。

BAILU EDGE 180M 基准

极速推理，无处不在

BAILU EDGE 180M 基于 BAILU 轻量序列架构（BAILU Lightweight Sequence Architecture），在预填充与解码吞吐量上延续 BAILU EDGE 系列的一贯优势，于同类产品中提供最高的 prefill 与 decode 吞吐，同时保持最小的内存占用。

• Raspberry Pi 5（CPU）：decode 速度 177 tok/s，内存占用不足 400 MB
• Qualcomm Snapdragon Gen4：decode 213 tok/s，prefill 带宽领先同量级模型 2.3 倍
• 并发延迟：在所有并发级别下，180M 模型实现了显著更低的端到端延迟

day-one 支持 llama.cpp（GGUF）、MLX（Apple Silicon）、ONNX 与 BAILU NexaSDK，开发者可在云端 GPU 到低成本的树莓派 CPU 之间无缝迁移同一套权重。

宇树 G1 onboard 验证

我们将 BAILU EDGE 180M 完整部署在宇树科技 Unitree G1 人形机器人的 onboard NVIDIA Jetson Orin 上，全程 on-device，无需云端回传。模型在此充当技能选择层：接收自然语言指令，将其分解为结构化的多步工具调用序列，驱动预训练的低级运动与抓取技能。

经针对机器人指令集的少量微调后，模型在 G1 上稳定完成了以下典型任务：

• 复合 locomotion 编排 指令示例：静止 2 秒，然后以每秒 1 米的速度向前走 3 米，保持单腿前跪 5 秒，再以每秒 0.5 米的速度后退 3 米。模型将其拆解为定时行走、目标速度控制与单腿跪姿的 6 步技能链，逐步执行并回传状态。
• 视觉引导抓取 指令示例：看到桌面上的红色方块，走过去，用右手抓起，放到右侧蓝色托盘里。结合 onboard 视觉流，模型依次触发 navigate_to、reach、grasp、place 四类技能，并在抓取失败时自动重试一次。
• 障碍响应与安全停 指令示例：向前走到房间尽头，如果中途检测到障碍物就停下并举手。模型在行走技能中插入条件分支，触发 obstacle_detect 工具调用后切换至 safe_stop 与 raise_hand 技能，全程无需人工干预。
• 多物体顺序搬运 指令示例：先把绿色圆柱放到左边货架第二层，再把黄色球放到第三层。模型正确解析空间层级与颜色属性，生成两个独立的 pick-and-place 序列，并按指令顺序串行执行。
• 手势与位移组合 指令示例：走两步，挥手打招呼，再转身 90 度继续走。模型将社交手势（wave）与转向（turn）嵌入行走流程，在 Jetson Orin 上以平均 142 tok/s 的 decode 速度实时生成技能调用，端到端延迟低于 180 ms。

这些案例表明，经过场景微调后的 180M 端侧模型，能够在本地算力条件下高效充当人形机器人的自然语言控制核心，实现行走、抓取、条件分支及多步任务的连贯编排，为边缘端具身智能部署提供了可持续、高复现性的解决方案。