这项由OPPO AI团队完成的突破性研究发表于2025年10月，研究成果被发表在arXiv预印本平台（论文编号：arXiv:2510.12838v2），并于同年10月17日正式公开。有兴趣深入了解的读者可以通过该编号在学术平台上查询完整论文。

当前的人工智能领域正面临着一个有趣的分化现象。一边是善于深度思考的"学者型"AI，它们能够进行复杂的数学推理和逻辑分析，但却无法使用搜索引擎或运行代码等外部工具。另一边是"实干型"AI智能体，它们能熟练地操作各种工具、搜索信息、执行代码，但在需要深度思考的问题上往往表现平平。更让人头疼的是，两种AI都有个共同毛病：面对简单问题时总是"小题大做"，要么过度思考，要么动用一堆工具，既浪费时间又消耗资源。

针对这个痛点，OPPO AI团队提出了一个颇具创意的解决方案——A2FM（自适应智能体基础模型）。这个模型就像一个聪明的管家，会根据问题的难易程度自动选择最合适的处理方式。面对简单问题时直接给答案，遇到需要深度思考的问题时会仔细推理，而当需要查找信息或执行代码时则会熟练地使用各种工具。

在实际测试中，A2FM表现出色。在需要工具使用的任务中获得了13.4%的成绩（BrowseComp基准），在数学推理任务中达到70.4%（AIME25基准），在综合知识任务中取得16.7%（HLE基准）。更令人惊喜的是，通过智能选择处理方式，A2FM将每个正确答案的成本降至仅0.00487美元，相比传统的推理模式节省了45.2%的成本，相比工具使用模式节省了33.5%的成本。

一、智能分工的艺术：三种模式各司其职

A2FM的核心创新在于将AI的能力分为三个专门的"工作模式"，就像一个全能型员工根据任务性质切换不同的工作状态。这种设计并非简单的功能堆砌，而是对AI处理不同类型问题的本质需求的深刻理解。

第一种是"即时模式"，专门处理那些一眼就能看出答案的简单问题。当有人问"地球赤道的长度是多少"这类基础知识问题时，AI不会启动复杂的推理链条，而是直接从知识库中提取答案并立即回复。这就像一个经验丰富的图书管理员，对于常见问题能够脱口而出，无需翻阅任何资料。这种模式的优势在于速度快、消耗资源少，特别适合处理大量简单的日常询问。

第二种是"推理模式"，专门应对需要深度思考和逻辑分析的复杂问题。当面临数学证明、逻辑推理或需要多步骤分析的问题时，AI会进入这种专注的思考状态。整个过程类似于一个数学家解决难题，会在内部进行详细的推理过程，每一步都经过仔细考虑，最后得出可靠的结论。这种模式特别擅长处理那些答案无法直接获得，需要通过逻辑推导才能解决的问题。

第三种是"智能体模式"，负责处理需要与外部世界交互的任务。当问题涉及实时信息查询、代码执行或需要使用特定工具时，AI会切换到这种模式。它就像一个能干的助理，会制定详细的行动计划，然后并行使用多种工具来收集信息或执行任务。比如需要查询最新的股价信息时，它会使用搜索工具获取数据，然后可能还会运行计算代码来分析趋势。

这三种模式的设计哲学体现了"术业有专攻"的思想。正如一个优秀的团队需要不同专长的成员配合，A2FM通过模式切换实现了在单一系统内的专业化分工。更重要的是，系统还内置了一个智能路由器，能够准确判断当前问题最适合用哪种模式来处理，避免了"杀鸡用牛刀"的资源浪费。

二、训练策略：先学分工再学配合

A2FM的训练过程采用了独特的"路由-对齐"策略，就像培养一个全能型人才，需要先让他掌握各项专业技能，然后再学会在什么情况下使用哪项技能。这个过程分为两个阶段，每个阶段都有其特定的目标和方法。

第一阶段是"路由-对齐"监督微调阶段。在这个阶段，研究团队首先教会模型如何识别问题类型并选择合适的处理模式。这个过程类似于训练一个新员工学会分类处理不同类型的工作任务。模型需要学会分析问题的特征，然后在开头输出特定的分类标签，明确声明将使用哪种模式来处理。

接下来，模型需要学会在每种模式下生成相应类型的回答。在即时模式下，模型学会直接输出简洁准确的答案，避免不必要的解释或推理过程。在推理模式下，模型学会生成详细的思考过程，就像展示数学题的解题步骤一样，让整个推理链条清晰可见。在智能体模式下，模型学会制定计划、调用工具、处理工具返回的信息，并最终整合得出答案。

为了让智能体模式能够真正与外部世界交互，研究团队为模型配备了三种关键工具。网络搜索工具让模型能够获取最新的信息，就像给它配备了一个高效的搜索引擎。网页爬取工具使模型能够深入分析网页内容，提取关键信息。代码执行工具则让模型具备了编程和计算能力，能够处理需要数值计算或数据分析的任务。

在训练数据的准备上，研究团队采用了精心设计的策略。他们特意调整了训练样本的难度分布，减少那些过于简单或过于困难的样本比例，增加中等难度样本的权重。这种调整确保模型能够更好地学会处理那些"介于简单和复杂之间"的边界案例，提高路由决策的准确性。

第二阶段是自适应策略优化阶段，这是A2FM训练过程中的关键创新。在这个阶段，模型不仅要学会正确回答问题，还要学会以最经济高效的方式来回答。研究团队设计了一套巧妙的奖励机制，既鼓励准确性，又激励效率。

这个奖励系统的核心思想是"简单问题简单处理"。如果一个问题用即时模式就能正确回答，那么模型选择即时模式会获得满分奖励，而选择更复杂的模式虽然可能也能得到正确答案，但会受到一定的"效率惩罚"。这就像在现实工作中，虽然用高射炮打蚊子也能成功，但显然不是最佳选择。

为了确保训练的稳定性和有效性，研究团队还设计了特殊的采样策略。在每个训练轮次中，系统会强制让模型在每种模式下都尝试回答同一个问题，这样可以直接比较不同模式的效果，为奖励分配提供可靠的依据。同时，系统也允许模型自主选择模式，以便学习和强化正确的路由决策。

三、智能工具箱：让AI拥有现实世界的"手脚"

A2FM的智能体模式之所以强大，很大程度上得益于其精心设计的工具系统。这些工具就像为AI配备了感官和肢体，让它能够真正与现实世界交互，而不再局限于纯文本的内部思考。

网络搜索工具是A2FM连接外部信息世界的第一扇窗户。当遇到需要实时信息或超出训练数据范围的问题时，这个工具会像一个专业的研究助手一样，根据问题的关键词制定搜索策略，然后通过Google搜索引擎获取最相关的信息。系统会自动筛选出最有价值的前几个搜索结果，提取标题、摘要和链接信息，为后续的分析提供原材料。这个过程就像一个经验丰富的图书管理员，知道如何快速找到最相关的资料。

网页内容爬取工具则进一步深化了AI对信息的获取能力。搜索只是找到了相关网页的"门牌号"，而爬取工具则能够"推门而入"，深入网页内部提取详细内容。为了提高效率和准确性，系统不会盲目抓取整个网页，而是会根据当前问题的需求，重点关注与问题相关的内容部分。更巧妙的是，系统还会调用其他AI模型来对爬取的内容进行智能摘要，确保提取的信息既全面又简洁。

代码执行工具为A2FM提供了强大的计算和分析能力。这个工具就像为AI配备了一个专业的编程工作台，能够运行Python代码来处理各种计算任务。无论是复杂的数学计算、数据分析、图表生成，还是逻辑算法的实现，这个工具都能胜任。为了确保安全性，代码执行环境采用了严格的沙盒隔离技术，就像在一个封闭的实验室里进行实验，既能获得准确的结果，又不会对外部系统造成任何影响。

在智能体模式的工作流程中，这些工具的协调使用体现了高度的智能化。当AI接到一个复杂任务时，它会首先制定一个详细的执行计划，将大任务分解为多个可以并行处理的子任务。然后，不同的工具会同时开始工作，就像一个高效团队的各个成员同时执行不同的任务。搜索工具可能在查找背景信息，爬取工具在获取具体数据，代码执行工具在进行计算分析，所有这些工作都在同时进行。

特别值得注意的是，A2FM在使用工具时展现出了高度的策略性思维。它不会机械地逐个使用工具，而是会根据任务的性质和紧急程度来安排工具的使用顺序和组合方式。对于需要实时信息的问题，搜索工具会优先启动。对于需要深度分析的问题，爬取和代码执行工具会协同工作。这种智能调度确保了工具使用的效率最大化。

在工具使用的整个过程中，AI还会持续监控和评估工作进展。它会定期生成工作摘要，评估已完成的子任务，识别可能的问题或瓶颈，并及时调整执行策略。这种动态管理能力使得AI即使在面对复杂多变的任务时，也能保持高效和准确的工作状态。

四、性能表现：在准确性与效率之间找到最佳平衡

A2FM在实际应用中的表现证明了其设计理念的正确性。通过在多个标准测试集上的评估，这个模型展现出了在不同类型任务中的卓越能力，更重要的是实现了准确性与效率的理想平衡。

在需要工具使用的智能体任务中，A2FM表现尤为突出。在BrowseComp基准测试中，该模型达到了13.4%的成绩，在XBench-DeepSearch中获得56.0%的分数，在GAIA测试中取得57.3%的成绩。这些数字背后反映的是AI在复杂信息检索和分析任务中的实际能力。以BrowseComp为例，这是一个模拟真实网页浏览和信息提取的测试，要求AI像人类用户一样在网络上搜索信息、分析网页内容并回答问题。A2FM的成绩超越了多个专门的智能体框架，包括一些基于GPT-4等先进模型构建的系统。

在推理能力方面，A2FM同样表现不俗。在MATH500数学测试中获得95.0%的成绩，在AIME24数学竞赛中达到74.5%，在AIME25中取得70.4%的分数。这些都是极具挑战性的数学推理任务，需要AI具备深度的逻辑思维和多步骤的问题解决能力。特别是在AIME这样的高中数学竞赛中，AI需要处理的问题往往需要创造性的解题思路和精确的计算，A2FM的表现甚至超过了许多专门为数学推理优化的模型。

在综合知识任务中，A2FM展现了良好的通用能力。在GPQA-d测试中得分63.1%，在SuperGPQA中获得54.7%，在MMLU-Pro中达到73.8%，在HLE测试中取得16.7%的成绩。这些测试涵盖了从科学知识到常识推理的广泛领域，要求AI既要有扎实的知识基础，又要能灵活运用这些知识解决实际问题。

更令人印象深刻的是A2FM在效率方面的表现。通过智能的模式选择，系统显著降低了处理每个问题的成本。在成本效益分析中，A2FM的每个正确答案成本仅为0.00487美元，相比纯推理模式节省了45.2%的成本，相比纯智能体模式节省了33.5%的成本。这种成本优势主要来源于系统对简单问题的快速处理能力，避免了不必要的复杂计算和工具调用。

通过对不同难度级别问题的分析，研究团队发现A2FM表现出了很好的适应性。对于简单问题，系统有61.1%的概率选择即时模式，快速给出答案。而对于困难问题，这个比例下降到仅8.3%，系统会更多地依赖推理和工具使用来确保答案的准确性。这种自适应行为表明模型确实学会了根据问题特征来选择最合适的处理策略。

特别值得注意的是，A2FM在模式路由方面表现出了很高的准确性。在GAIA测试集上，模型的路由准确率达到92.2%，在BrowseComp上达到94.0%，在AIME数学题上更是达到100%。这表明模型确实掌握了判断问题类型和选择合适处理模式的能力，而不是随机选择或简单的规则匹配。

五、技术创新：从被动响应到主动适应

A2FM的核心技术创新体现在其独特的自适应策略优化方法上，这种方法让AI从传统的"被动响应"模式转变为"主动适应"模式。这种转变不仅仅是技术层面的改进，更是对AI工作方式的根本性重新思考。

传统的AI系统通常采用单一的处理模式，无论面对什么问题都使用同样的方法。这就像一个工匠只会使用一种工具，无论是拧螺丝还是锯木头都用同一把锤子。A2FM的创新在于引入了多模态学习和动态路由机制，让AI能够像一个经验丰富的工匠一样，面对不同的任务自动选择最合适的工具和方法。

自适应策略优化的核心是一套精心设计的强化学习机制。与传统的强化学习方法不同，这套机制不仅关注任务完成的准确性，还将效率和成本纳入考量范围。系统会同时考虑"做对了没有"和"做得是否经济高效"这两个维度，通过复合奖励函数来引导模型学习最优的行为策略。

在具体实现上，研究团队设计了一种独特的"分组相对策略优化"方法。这种方法的巧妙之处在于，它会让模型在每个问题上同时尝试多种不同的处理方式，然后通过比较这些方式的效果来学习最优策略。这就像让一个学生用不同的方法解同一道题，然后分析哪种方法最有效、最简洁。

为了确保学习过程的稳定性，系统还采用了"强制采样"策略。在训练过程中，系统会强制模型在每种模式下都尝试处理相同的问题，即使模型认为某种模式不是最优选择。这种做法确保了模型能够充分探索不同模式的能力边界，避免过早陷入局部最优解。

奖励机制的设计体现了研究团队对AI效率的深度思考。系统引入了"自适应惩罚"概念，当模型在简单问题上使用复杂方法时，虽然可能得到正确答案，但会受到效率惩罚。惩罚的程度与问题的实际难度成反比，越是简单的问题，使用复杂方法的惩罚越重。这种机制有效地引导模型学会"量体裁衣"，根据问题特征选择最合适的处理方式。

在模式切换的实现上，A2FM采用了创新的"前缀注入"技术。这种技术让模型在生成回答之前先输出一个模式标识符，明确声明将使用哪种处理方式。这不仅提高了系统的可解释性，还为后续的质量评估和优化提供了清晰的依据。用户可以清楚地看到AI是如何分析问题并选择处理策略的，这大大增强了系统的透明度和可信度。

研究团队还创新性地引入了"动态成本建模"概念。系统不仅考虑计算资源的消耗，还将时间成本、工具使用成本等因素纳入综合评估体系。这种全面的成本建模让AI能够在准确性、速度和资源消耗之间找到最佳平衡点，实现真正的效率优化。

六、实际应用场景：从实验室走向真实世界

A2FM的设计初衷就是为了解决真实世界中AI应用面临的实际问题，其多模式架构在各种应用场景中都展现出了独特的优势。这种技术不再是实验室里的概念验证，而是可以直接应用于实际业务场景的成熟解决方案。

在智能客服领域，A2FM的表现尤为出色。传统的客服AI要么只能回答简单的常见问题，要么需要调用复杂的知识库系统来处理每个询问。A2FM则能够智能地区分问题类型：对于"营业时间是几点"这类简单问题，系统会立即给出答案；对于需要分析客户具体情况的复杂投诉，系统会启动深度推理模式，结合客户历史记录和相关政策进行综合分析；而对于需要查询实时信息的问题，比如"我的订单现在到哪里了"，系统会自动调用相关的查询工具获取最新状态。

在教育辅助应用中，A2FM展现了个性化教学的潜力。面对学生的不同类型问题，系统能够提供相应级别的帮助。对于基础概念的询问，系统会直接给出清晰的解释；对于复杂的解题过程，系统会展示详细的推理步骤，帮助学生理解思维过程；而对于需要实时数据或计算验证的问题，系统会使用相应工具提供准确的信息和计算结果。这种适应性让AI真正成为了学生的个性化学习伙伴。

在商业分析和决策支持方面，A2FM的多模式能力显得尤为重要。商业环境中的问题往往具有多层次、多维度的特点。简单的数据查询可以通过即时模式快速处理，复杂的趋势分析需要深度推理模式的支持，而涉及外部市场信息的分析则需要智能体模式来收集和整合最新数据。A2FM能够根据分析任务的特点自动组合使用这些模式，为决策者提供全面而高效的支持。

在内容创作和知识管理领域，A2FM也展现了独特的价值。内容创作过程中经常需要处理不同类型的任务：事实核查需要搜索和验证信息，创意构思需要深度思考和推理，数据分析需要计算工具的支持。A2FM能够在一个工作流程中无缝切换这些不同的处理模式，大大提高了创作效率和质量。

特别值得注意的是，A2FM在成本控制方面的优势使其在商业应用中具有很强的竞争力。传统的AI解决方案往往需要为每种功能部署单独的系统，维护成本高昂。A2FM的统一架构不仅简化了部署和维护工作，还通过智能的模式选择显著降低了运行成本。这种成本优势使得中小企业也能够负担得起高质量的AI服务。

在用户体验方面，A2FM的自适应特性也带来了显著改善。用户不再需要学习如何与不同类型的AI工具交互，也不需要手动选择使用哪种AI功能。系统会自动理解用户的需求并选择最合适的处理方式，这种"无感知"的智能适应大大降低了用户的学习成本和使用门槛。

七、未来展望：智能化的新范式

A2FM的成功不仅仅是一个技术突破，更代表了AI发展的一个重要方向转变。从单一功能的专用AI转向多功能自适应的通用AI，这种转变预示着未来AI应用将更加智能化、人性化和实用化。

从技术发展的角度来看，A2FM开创了"元认知AI"的新领域。这种AI不仅能够处理具体的任务，还能够理解和管理自己的认知过程。它知道什么时候需要深入思考，什么时候可以快速响应，什么时候需要寻求外部帮助。这种"认知的认知"能力让AI朝着更加接近人类思维模式的方向发展。

在应用范围上，A2FM的多模式架构为AI进入更多领域提供了可能。传统AI系统往往只能在特定领域发挥作用，而A2FM的通用性让它能够适应各种不同的应用场景。从简单的信息查询到复杂的决策支持，从创意工作到数据分析，A2FM都能提供相应的支持。这种versatility（多功能性）将推动AI在更多行业和领域的广泛应用。

成本效率的优势也为AI的普及奠定了基础。A2FM证明了高质量的AI服务不一定意味着高昂的成本。通过智能的资源配置和任务优化，AI系统能够在保证服务质量的同时显著降低运行成本。这种成本优势将使得更多的组织和个人能够享受到AI技术带来的便利。

在用户交互方面，A2FM展示了"无感知AI"的发展方向。用户不再需要成为AI专家就能获得专业级的AI服务。系统会自动理解用户的需求，选择合适的处理方式，并以最自然的方式提供结果。这种用户体验的改善将加速AI技术从专业工具向大众应用的转变。

从更宏观的角度来看，A2FM代表了AI发展从"能力导向"向"效率导向"的转变。早期的AI研究主要关注如何让机器具备某种特定能力，而现在的重点开始转向如何让AI更智能地使用这些能力。这种转变反映了AI技术正在从实验室走向实际应用，从证明可行性转向追求实用性。

说到底，A2FM的意义远超出了技术本身的突破。它展示了一种新的AI设计哲学：AI不应该是一个万能但笨重的工具，而应该是一个智能的伙伴，能够根据具体情况选择最合适的方式来提供帮助。这种哲学将指导未来AI系统的设计和开发，推动整个行业向更加智能化、人性化的方向发展。

当我们回顾这项研究时，不难发现OPPO AI团队解决的不仅仅是一个技术问题，更是对AI应该如何工作这一根本问题的重新思考。他们证明了AI可以既聪明又高效，既强大又经济，既专业又易用。这种平衡的实现为未来AI技术的发展指明了一个充满希望的方向。

Q&A

Q1：A2FM的三种模式分别是什么，有什么区别？

A：A2FM包含即时模式、推理模式和智能体模式三种工作方式。即时模式专门处理简单问题，直接给出答案，速度最快；推理模式负责需要深度思考的复杂问题，会展示详细的推理过程；智能体模式则用于需要使用外部工具的任务，能够搜索信息、执行代码等。系统会根据问题类型自动选择最合适的模式。

Q2：A2FM为什么能够节省成本？

A：A2FM通过智能的模式选择大幅降低了处理成本。对于简单问题，系统会选择资源消耗最少的即时模式直接回答，避免启动复杂的推理过程或工具调用。只有在真正需要时才会使用更耗资源的推理或工具模式。这种"按需分配"的策略使每个正确答案的成本降至0.00487美元，比传统方法节省30%-45%的成本。

Q3：A2FM的性能表现如何？

A：A2FM在多个测试基准中表现优异。在需要工具使用的BrowseComp测试中获得13.4%的成绩，在数学推理的AIME25测试中达到70.4%，在综合知识的HLE测试中取得16.7%的分数。这些成绩不仅超越了同规模的其他模型，在某些任务上甚至与更大规模的前沿模型相当。更重要的是，A2FM的模式路由准确率在不同测试中都达到90%以上。