ZGCM-1：面向数学与智能体搜索的全开源高效 7B 基础模型

AI 摘要

研究团队发布 ZGCM-1，一个完全开源的 7B 稠密基础模型，从零训练，结合内部推理与外部工具使用，支持 256K 上下文。该模型采用架构与系统协同设计（交错门控滑窗与全注意力、稳定的 FP8 Muon 优化器）、渐进式课程与 MDP 中期训练，并借助智能体集群自主管理集群运维、数据整理与评估。在数学推理和智能体搜索任务上，其表现可与 Qwen3-235B-A22B、GLM-5.1 等大数十倍的前沿模型竞争，16K 预训练时间到损失效率提升约 4.2 倍，并开源权重、训练代码、数据与日志。

正文节选

ZGCM-1: A Fully Open and Extremely Efficient Foundation Model for Math and Agentic Search Abstract ZGCM-1 is a 7B open foundation model that combines internal reasoning with external tool use, trained via efficient architecture-system co-design, progressive long-context scaling, and autonomous agent workflows to achieve strong reasoning and efficiency. In this work, we present ZGCM-1, a fully open 7B dense foundation model trained from scratch with extreme data, system, and algorithmic efficienc

发布时间：—

抓取时间：2026-09-15 21:14

来源机构：Hugging Face