XYZ AI Lab 开源深度搜索智能体 XYZ-Aquila-mini

XYZ AI Lab 在 Hugging Face 发布了开源深度搜索智能体系列 XYZ-Aquila 的首个版本 XYZ-Aquila-mini，采用 Qwen 兼容的推理与工具调用格式，并配套开源了 AxisAgentic 运行时框架。该模型面向长链路多轮检索、多源证据聚合与来源核验等场景，是该实验室在「AI for AI」自动化后训练流水线方向的首次公开成果。

模型背景与基础

XYZ-Aquila 是由 XYZ AI Lab 开发的开源权重深度搜索智能体家族，XYZ-Aquila-mini 在该系列中定位为轻量版本。模型以 Qwen 系列基座进行后训练（原文标注为 Qwen3.6-35B-A3B，疑似 Qwen3-30B-A3B 的笔误），采用「思维链」(thinking model) 形式输出，兼容 Qwen 体系的推理格式与工具调用协议。

发布者同时预告了同系列的大尺寸版本 XYZ-Aquila-pro，参数规模为 397B，基于 Qwen3.5-397B-A17B（即 Qwen3 的 397B MoE 基座，原文存在编号表述差异）。整体来看，XYZ-Aquila 系列覆盖从轻量到旗舰的两档尺寸，意在覆盖不同部署成本下的搜索代理需求。

AI4AI 后训练流水线

XYZ-Aquila-mini 的核心训练方法被命名为「AI4AI」流水线，其特点是将人类与 AI 的角色做了明确划分：

• 人类负责定义目标能力、开发证据、约束条件、风险边界与验收策略。
• AI Agent 负责诊断失败原因，并在数据、后训练、运行时、上下文管理、工具、评测与基础设施等维度提出范围内的干预方案。

这一思路把人放在「验收与策略制定」端，把迭代执行交给 AI 系统，目标是降低后训练阶段对人工试错的依赖。

核心能力定位

XYZ-Aquila-mini 面向的是「智能体式搜索」(agentic search) 任务，主要能力包括：

• 长链路规划与多轮检索
• 中英文网页浏览
• 多源证据聚合与来源核验
• 环境交互失败时的恢复能力

需要说明的是，具体的搜索、抓取、Python 执行等工具能力由开源的 AxisAgentic 框架承载，而非全部内化在模型权重中。框架同时提供固定的工具契约、可回放的上下文管理以及基准评测工作流。

配套开源框架 AxisAgentic

与模型一同发布的 AxisAgentic 是一套开源 Agent 运行时，提供了 XYZ-Aquila 部署所需的工程脚手架。其职责包括：

• 搜索、抓取、Python 执行等具体工具的实现
• 固定的工具调用接口约定
• 可回放、可审计的上下文管理机制
• 端到端的基准评测流程

这种「模型 + 框架」的拆分方式，意味着 XYZ-Aquila-mini 的实际表现高度依赖 AxisAgentic 的具体实现，单独使用模型权重并无法复现文档中所描述的全部能力。

小结

XYZ-Aquila-mini 是一次将 Qwen 基座与「AI4AI」后训练思路结合、面向深度搜索场景的开源尝试，配套的 AxisAgentic 框架补齐了工具与评测链路。对关注开源 Agent 生态的开发者而言，这是一项值得跟踪的实验性项目；但发布方 XYZ AI Lab 知名度有限，模型与框架仍需经过实际负载验证才能明确其相对优势。