AstaBrief 8B vs ContextPilot 8B: Dwie odpowiedzi na ten sam model bazowy 8B

Umieść AstaBrief 8B i ContextPilot 8B na jednej karcie specyfikacji, a pierwsze sześć wierszy będzie identycznych. Oba to gęste checkpointy 8B dostrojone z Qwen/Qwen3-8B. Oba dziedziczą tę samą architekturę — 36 warstw, rozmiar ukryty 4096, 32 głowice uwagi z 8 głowicami klucz-wartość, słownik o rozmiarze 151 936 tokenów oraz pułap pozycji modelu bazowego wynoszący 40 960 tokenów. Żaden z nich nie jest nową architekturą ani nie próbuje nią być. To dwa laboratoria, które biorą te same zamrożone wagi bazowe i uczą je dwóch różnych zadań, a te zadania wskazują na przeciwległe końce długohoryzontowego agenta badawczego: AstaBrief 8B pisze gotowy raport z cytowaniami, a ContextPilot 8B nie pozwala, by kontekst roboczy agenta się załamał, gdy ten gromadzi materiał.

To całe porównanie w jednym zdaniu i właśnie dlatego nie jest to bezpośrednie starcie, które należy czytać jako rozstrzygnięcie typu „zwycięzca bierze wszystko”. W kwestii licencjonowania, dowodów i wymagań dotyczących środowiska uruchomieniowego oba modele całkowicie się różnią, a ta rozbieżność mówi więcej niż jakikolwiek wynik opublikowany przez którekolwiek z laboratoriów.

Ta sama geometria punktu kontrolnego, dwa różne dziedziczenia

Zacznij od tego, co jest rzeczywiście wspólne, ponieważ to wyznacza granice dla wszystkiego innego. AstaBrief 8B od Ai2 i ContextPilot 8B od Tencenta oba deklarują Qwen3-8B jako swoją bazę i oba zaokrąglają się do około 8 miliardów parametrów. Repozytorium ContextPilot 8B odnotowuje 16,38 GB wag BF16 w czterech shardach safetensors, co odpowiada wadze gęstego modelu 8B. Pułap kontekstu jest pułapem bazy, niezmienionym w obu: 40 960 pozycji w konfiguracji, trenowany przy 32K i rozszerzalny za pomocą YaRN. Żaden z tych modeli nie jest modelem długiego kontekstu. AstaBrief 8B nie musi nim być, ponieważ otrzymuje fragmenty, a nie korpus. ContextPilot 8B celowo nim nie jest, ponieważ jego teza polega na tym, aby małe okno pracowało ciężej.

To, co każde laboratorium zmieniło, to cel treningowy, a cele nie mogłyby się bardziej różnić.

• Metoda post-trainingu — AstaBrief 8B: nadzorowane dostrajanie, a następnie offline’owa bezpośrednia optymalizacja preferencji, 47 tys. przykładów SFT i około 6 tys. par preferencji, na ośmiu H100.

• Metoda po treningu — ContextPilot 8B: uczenie ze wzmocnieniem w oparciu o proaktywne ramy zarządzania kontekstem, ze scaleniem wektorów zadaniowych z trzech wyspecjalizowanych przebiegów SFT nałożonym na bazowy model.

• Zadanie — AstaBrief 8B: napisać wielosekcyjny raport z cytowaniami w tekście na podstawie pytania oraz pozyskanych fragmentów literatury, w jednym przebiegu.

• Zadanie — ContextPilot 8B: planować, utrzymywać pamięć długoterminową, wyszukiwać z indeksu i odciążać kontekst, którego agent aktualnie nie potrzebuje, jednocześnie kontynuując rozumowanie i wywoływanie narzędzi.

• Środowisko uruchomieniowe — AstaBrief 8B: standardowe serwowanie vLLM lub Transformers, a także zalecany format promptu ze zbioru danych AstaBrief_prompts.

• Środowisko uruchomieniowe — ContextPilot 8B: środowisko uruchomieniowe agenta Tencent, definicje narzędzi oraz potok ewaluacyjny z repozytorium Tencent/ContextPilot. Sam checkpoint nie stanowi działającego agenta.

• Licencja — AstaBrief 8B: Apache-2.0. ContextPilot 8B: niestandardowy tekst Apache-2.0 z dodaną Sekcją 0 ograniczającą użycie do badań i rozwoju.

• Dowody — AstaBrief 8B: raportowane przez dostawcę tabele wyników benchmarków oraz wczesne dane o użyciu produkcyjnym z platformy Asta firmy Ai2. ContextPilot 8B: twierdzenia z artykułu arXiv przyjętego do głównego tracku EMNLP 2026; karta modelu nie zawiera żadnych liczb i żadna strona trzecia ich nie odtworzyła.

Dwa wiersze na tej liście mają większą wagę niż pozostałe. Wiersz dotyczący licencji decyduje o tym, czy w ogóle możesz umieścić model w produkcie: warunki Apache-2.0 modelu AstaBrief 8B pozwalają na użycie komercyjne, a dodatkowa klauzula w ContextPilot 8B nie pozwala. Wiersz dotyczący środowiska uruchomieniowego decyduje o tym, jak dużą część laboratorium musisz przyjąć wraz z wagami. AstaBrief 8B to punkt kontrolny, który możesz wrzucić do istniejącego stosu serwowania. ContextPilot 8B jest komponentem frameworka, a części, które sprawiają, że framework działa — kontrakt narzędziowy, logika rolloutów, przypisywanie zasług — znajdują się w kodzie Tencent, a nie w shardach, które pobierasz.

Gdzie każde z nich faktycznie zasługuje na swoje miejsce

Użyteczny sposób ich porównania to ujęcie ich jako sąsiadujących podagentów w potoku, do którego oba laboratoria zbiegają z przeciwnych kierunków.

Agent do syntezy literatury ma warstwę wyszukiwania, warstwę kontekstu i warstwę generowania. ContextPilot 8B atakuje warstwę kontekstu: daje agentowi planowanie, ustrukturyzowaną pamięć długoterminową z notatkami do zapisu/aktualizacji/odczytu, wyszukiwanie w indeksie oraz miękkie odciążanie kontekstu, dzięki czemu skromne okno pozostaje użyteczne na przestrzeni długiej trajektorii. Argument artykułu jest taki, że wcześniejsze modele edycji kontekstu miały trzy wspólne słabości, a framework rozwiązuje je łącznie — szerszy zestaw narzędzi, świadomy kontekstu częściowy rollout, który koncentruje eksplorację na edycjach, które faktycznie zmieniają trajektorię, oraz drobnoziarniste przypisanie zasług. Cele ewaluacji to QA z długim kontekstem i głębokie wyszukiwanie: InfBench, NovelQA, LongMemEval, BrowseComp+, zgodnie z naszym wcześniejszym odczytem repozytorium.

AstaBrief 8B atakuje warstwę generacji i zakłada, że problem kontekstu został już rozwiązany na wcześniejszym etapie. Nie wyszukuje informacji, nie streszcza fragmentów, nie grupuje tematów ani nie decyduje, które dowody zachować. Ai2 usunął to wszystko z zadań modelu i wyszkolił go, by pisał raport w jednym przebiegu na podstawie fragmentów wybranych przez kogoś innego. Założenie jest takie, że kosztowna infrastruktura pomocnicza nie była tym, w czym tkwiła jakość: Ai2 raportuje, że jednoprzebiegowe przepisanie dorównało wieloetapowemu procesowi opartemu na Claude pod względem monitorowanych metryk, skracając czas generowania całego procesu ze 178,5 sekundy do 51,1 sekundy.

Razem wzięte, oba modele opisują podział pracy, który mogłoby nakreślić każde z laboratoriów. Jeden utrzymuje niewielki zestaw roboczy i podtrzymuje przepływ dowodów. Drugi zamienia ocalałe dowody w prozę z dołączonymi cytowaniami. Tryby awarii są komplementarne, a nie nakładają się na siebie: menedżer kontekstu, który porzuci niewłaściwy fragment, zatruwa dobrego pisarza, a dobry pisarz, któremu przekazano złe fragmenty, tworzy płynny raport o niewłaściwej rzeczy.

Ta komplementarność jest argumentem za traktowaniem każdego z nich jako wymiennego komponentu, a nie zobowiązania. Jeśli połowę odpowiedzialną za kontekst zbudujesz z ContextPilot 8B, połowa odpowiedzialna za generowanie raportów powinna znajdować się za interfejsem, który nie dba o to, jaki model za nim stoi — self-hostowany AstaBrief 8B po jednej stronie, hostowany model frontier po drugiej, oraz możliwość przechodzenia między nimi bez przepisywania potoku. Przepuszczenie obu ramion przez jeden endpoint sprawia, że jest to zmiana konfiguracji, a nie migracja: jedno API obejmujące ponad 200 modeli z ceną katalogową dostawcy przekazywaną przy 0% marży, automatyczne przełączanie awaryjne, gdy dostawca zaczyna działać gorzej, oraz DSL routingu, gdy chcesz złożyć kilka modeli w jedno wywołanie. Self-hostowany generator tekstu pozostaje self-hostowany, bo to właśnie ten element wiąże się z kwestią wrażliwości danych; wszystko wokół niego pozostaje routowalne, ponieważ tam elastyczność jest tania.

Uczciwy stan dowodów

Żaden z modeli nie ma niezależnej tablicy wyników, a oba laboratoria nie mierzą nawet tego samego.

• AstaBrief 8B, średnia SQABench-CS2 (zgłoszona przez dostawcę): 87,0 na zbiorze testowym, w porównaniu z 83,7 dla jego własnego checkpointu SFT i 77,3 dla bazowego Qwen3-8B.

• AstaBrief 8B, DeepScholarBench (według dostawcy): 53,50, za własnym Asta ScholarQA firmy Ai2 z wynikiem 60,25 i DR-Tulu-8B z wynikiem 56,26.

• AstaBrief 8B, wskaźnik wygranych w porównaniach parami z opartym na Claude potokiem Ai2 (według dostawcy): 55% na SQABench-CS2 dev, 72% na teście.

• ContextPilot 8B: dane liczbowe istnieją wyłącznie w artykule, na benchmarkach long-context QA i deep-search; brak liczb w karcie modelu i brak reprodukcji przez podmioty trzecie.

Jedno zastrzeżenie dotyczy całej kolumny AstaBrief i Ai2 podaje je w samym blogu: większość treningu i ewaluacji zakończono w 2025 r., więc modele porównawcze odzwierciedlają frontier z tamtego czasu, a laboratorium nie powtórzyło ewaluacji względem obecnych modeli frontier. Te wartości procentowe należy czytać jako dowód wyboru projektowego w konkretnym momencie, a nie jako aktualny ranking. Wyniki ContextPilot 8B niosą ze sobą typowe zastrzeżenie dla publikacji naukowej — samodzielnie wybrany zestaw benchmarków, samodzielnie uruchamiany harness, brak reprodukcji poza Tencent.

Drugie zastrzeżenie dotyczy konkretnie AstaBrief 8B i łatwo się o nie potknąć w praktyce. Karta tego modelu ostrzega, że checkpoint został dostrojony do jednego formatu promptu, opublikowanego jako plik zbioru danych, a inne formaty mogą pogarszać zachowanie. Jeśli testujesz go za pomocą ogólnego środowiska testowego do czatu, mierzysz swoje środowisko testowe w takim samym stopniu jak model.

Który chcesz

Wybierz AstaBrief 8B, gdy rezultatem końcowym ma być dokument. Jest objęty licencją Apache-2.0, działa na pojedynczym GPU w klasie 8B BF16, nie potrzebuje wokół siebie żadnego frameworka agentowego i jest celowo trenowany dokładnie pod jeden wynik: raport z cytowaniami złożony z dowodów pozyskanych przez kogoś innego. Licencja komercyjna jest czynnikiem rozstrzygającym dla większości zespołów, a otwarta postawa samego Ai2 wobec repozytorium — publikowane wagi, miks SFT, miks DPO i format promptów — sprawia, że model jest audytowalny, a nie tylko darmowy.

Wybierz ContextPilot 8B, gdy rezultatem ma być działająca trajektoria, a Twoim problemem jest to, że agent zapomina lub tonie. Licencja wyłącznie do celów badawczych wyklucza go z rozważań produkcyjnych w większości firm, a wymóg dotyczący środowiska uruchomieniowego oznacza, że przyjmujesz framework Tencentu, a nie tylko model. Jeśli badasz proaktywne zarządzanie kontekstem jako technikę, jest to dobrze udokumentowany punkt wyjścia. Jeśli musisz wdrożyć rozwiązanie, to nie.

A jeśli potrzebujesz obu tych możliwości, odpowiedzią nie jest żaden z modeli osobno — lecz ich para, połączona tak, aby każdy z nich można było wymienić. Jedyną rzeczą, której to porównanie nie powinno dawać, jest jeden zwycięzca, ponieważ te dwa checkpointy nie konkurują o to samo miejsce w systemie.