APUS 开源 Reflex Agent：调度不再交给大模型

长任务跑到第 40 步，Agent 忘了第 3 步定过的规则。多数团队的第一反应是换个更强的模型。APUS 的判断不一样：问题出在调度，不在智力。

一、发生了什么

10 月 14 日，智东西报道，北京公司 APUS（麒麟合盛）开源了 Reflex Agent，采用 MIT 协议，提供桌面端、Web 和 SDK。开发者可以复现它的「模型驱动 Harness」工作循环，也可以基于项目做二次开发。

它的做法是把 Agent 的「决策」从大模型里拆出来。Reflex 是一个自研决策模型，基于 Qwen3.5 的 4.5B 参数模型微调，专门做三类判断：浏览器里下一步点哪、工作流该走哪条分支、用自然语言写的原则是否被满足。

架构分三层：决策模型判断下一步做什么；Harness 负责流程调度、工具管理、状态跟踪、接收执行反馈；工具负责具体操作。三者形成闭环：决策、执行、反馈、再决策。大模型只在需要它的时候被调用，不是每一步都上。

据智东西报道，在测试场景下，这套框架的页面响应速度比同类 Agent 提升 2 到 3 倍，连续操作和多轮工具调用的复杂任务体验提升更明显。

另一半是记忆。Reflex Agent 用三层机制：无限记忆，持续累积任务全量信息；无损记忆，保留原始信息和关联关系，可随时回溯；无损输入，检索进当前上下文的内容不做改写，保留原文。

目标很明确：长任务不再靠「把旧对话压成摘要」来省窗口，而是按需检索原始片段。APUS 把这套工作方式叫 Loop Working。代价是存储和检索成本上升，收益是长任务不容易在中途丢掉最早那条约束。

背景补一句：APUS 2014 年成立，2017 年估值约 120 亿元，2023 年发布千亿级多模态模型 AiLMe，2024 年开源过千亿参数 MoE 模型 APUS-xDAN-4.0。

二、跟你有什么关系

写 Agent 的开发者：这套代码可以直接跑，重点看它怎么切分决策和执行。即使不用它的模型，架构思路也能搬。

跑长流程的团队：客服工单、数据采集、跨系统审批，这类任务的失败大多不是「不会做」，是「做到一半忘了规则」。

做选型的人：多了一个不用每步都调大模型的方案。成本结构和延迟曲线都会不一样，值得放进对比表。

三、怎么用

1. 把决策抽出来。 哪一步该调哪个工具、任务算不算完成，这类判断用一个小模型做，比让大模型每步重想一遍稳定。

1. 别用摘要替代原文。 摘要丢的往往正是细节和出处。原文存起来，按需检索，检索结果不改写。

1. 用固定任务测长任务成功率。 选一个 30 步以上的真实流程，跑 20 次，记录第几步开始跑偏。这比看演示视频有用。

1. 小模型做路由，大模型做难题。 这是成本和质量之间最实际的一条线。路由错了，再强的模型也救不回来。

1. 先跑通再改。 开源项目的价值在实现思路，不在开箱即用。先用它跑一个内部流程，再谈替换；把它当一个可拆解的参考实现，比当一个成品更合适。

四、三个别信的说法

4.5B 的小模型能替代大模型。 它不做创作、不做推理，只在一组给定动作里选一个。这是决策模型和通用模型的分工，不是替代。把它当万能模型用，第一次遇到开放式任务就会失效。

无限上下文就是窗口无限。 它是外部记忆加检索，注意力机制没有变。检索不准，记忆再全也没用。真正要测的是检索命中率，不是记忆总量。

响应快 2 到 3 倍，任务完成率也高 2 到 3 倍。 原文说的是测试场景下的页面响应速度，不是端到端成功率。这两个指标经常背道而驰：每一步都快，但方向错了，整体更慢。

五、一句话结论

长任务失败，多半不是模型不够聪明，是它每一步都在重新猜自己走到哪了。把这一步交给一个专门的小模型，比换一个更大的模型便宜。

信息来源

1. 智能体长任务总「失忆」？国产开源破局，类Jev模型接管Agent调度，智东西，2026-10-14

功能与价格以官方公告为准。本文写于 2026 年 10 月 18 日。