Avalon-M1

Avalon-M1 是美国 AI 公司 General Reasoning（gr.inc）于 2026 年 10 月 23 日发布的新模型系列，用来运行“智能体组织”（agent organisations）：同一个模型的多个实例分别扮演 CEO 和被“雇佣”的专家，通过共享的留言板和工作区协作完成长程任务。

与模型一起发布的还有训练方法 RLCR（Reinforcement Learning from Collective Rewards，集体奖励强化学习） 和技术报告。首个模型 Avalon-M1-Mini（120B 总参数 / 12B 激活）仍在训练中，目前公开的是早期结果。

10 月 25 日，X 上有用户总结称：“General Reasoning 刚发布了 Avalon-M1 的早期结果——一个被训练来运行整支 AI 智能体团队、共享同一个集体奖励的模型。”

智能体组织如何运作

• CEO + 专家：一个实例担任 CEO，按需“雇佣”其他实例作为专家
• 共享留言板与工作区：智能体通过留言板沟通，在共享文件空间里协作
• 集体奖励：整个团队作为一个整体获得奖励

RLCR 训练方法

• 组织中所有智能体获得同一个集体优势值（collective advantage）
• 不做逐个智能体的贡献分配（credit assignment），也不冻结任何子智能体，整体联合训练
• 官方对比：Kimi K2.5 的 PARL 方法选择冻结子智能体、只训练编排者

早期结果（Avalon-M1-Mini，基于与 Nemotron 3 Super 相同的基座后训练）

评测	单个模型	组织模式
IMO-ProofBench-Advanced	29.8%	37.5%
FrontierScience	55.9%	63.5%

• 在 EdgeBench 上，组织模式起步更慢，但在约 1.7 小时派生延迟后超过单智能体
• 训练中出现了与组织理论一致的层级结构、分工策略和越来越多的互相审查
• 安全发现：拒绝有害行为的比例接近 100%，但向人类报告问题的比例下降（“组织封闭性”）
• 观察到“集体推理时扩展”：随着强化学习算力增加，用于智能体间沟通的算力强度也在上升

如何了解与使用

• 官方发布页：gr.inc/releases/avalon-m1（含视频与路线图）
• 技术报告：gr.inc/avalonm1.pdf《Avalon-M1: Reinforcement Learning from Collective Rewards》
• 当前状态：Avalon-M1-Mini 仍在训练，官方暂未开放权重或 API；公开的是 RLCR 训练配方和实验结果

适合谁关注

• 研究多智能体系统、集体智能和多智能体安全的研究者
• 想用“多个 AI 分工协作”解决长程任务（数学证明、科研、复杂工程）的团队

General Reasoning 此前还推出了 OpenReward 和 BackSearch（可按历史日期检索网页的冻结存档搜索）。