AREX-2 對比 MathForm-8B：證明檢查器與搜尋迴圈是不同類型的驗證

MathForm-8B與AREX-2是這個系列中兩個最經得起嚴格驗證的模型，而且它們以截然相反的方式進行驗證。MathForm-8B 是 OpenBMB 於 2026 年 8 月發布的 80 億參數自動形式化器：只要給它一道以淺白英文撰寫的數學問題，它就會產生該問題形式正確的 Lean 4 陳述，接著由證明助理的編譯器進行檢查。AREX-2 是 BAAI 於 2026 年 9 月 29 日 17:56 UTC 建立的 Hugging Face 儲存庫，存放著一個 .gitattributes，而沒有權重、沒有模型卡、沒有授權標籤，也沒有任何公告——這是為 BAAI 的 AREX 深度研究代理可能出現的第二代所預留的名稱；其第一代透過將自己的答案重新對照當初被賦予的限制條件來驗證自身。

所以，這裡有意思的問題不是哪個模型比較好。而是模型可被檢核意味著什麼，因為這兩者之一是由一個不在乎任何人相信什麼的編譯器來檢查，另一個——如果同一家族的前例成立——則是由同一個模型正在執行的那個迴圈來檢查。即使對決的其中一方尚未推出，這項區別依然成立，而這也正是這兩者終究該被放在同一場對話裡討論的原因。

存在的那一面，以及它之所以可檢核的原因

MathForm-8B 的工作職責範圍很窄，而這點值得精確說明，因為狹窄正是重點。它不解決數學問題，也不聲稱能做到。它是在 FormalVerse 上微調的，該語料庫包含約 367,000 個經過驗證的 Lean 4 範例，其訓練獎勵來自 Lean 編譯器，而非人類偏好模型。給定一個非形式化陳述，它會輸出 imports、types 和 theorem header——將證明義務本身留空——以便編譯器能確認該形式化所說的與非形式化問題所說的一致。

其公布的數據全數由 OpenBMB 自行報告，無一經過獨立重現：在六項基準測試中，語法檢查下的平均 Pass@8 為 88.06%，在更嚴格的一致性檢查下為 72.37%，而在最困難的 FATE-H 與 FATE-X 子集上則降至 63% 與 37%。請如實理解這些數字的本質：這是一個相對於形式系統進行衡量的模型，其中錯誤答案代表編譯失敗，而非對品質的意見分歧。這是一種罕見的特性。本部落格上多數的基準測試主張，都建立在一個必須被信任的評分器上；而這一個則建立在機器所執行的算術上。

尚未存在的那一面，以及為何它的驗證方式不同

AREX-2 唯一可確認的事實是組織、名稱和時間戳記。目前尚未上傳任何內容，BAAI 也未發表任何說法。不過，這個名稱背後的系列確實存在，並於 2026 年 7 月 23 日以 AREX-Base 之名發布——這是一個 1220 億參數的混合專家模型，在 Qwen3.5-122B-A10B 基礎上具有 100 億活躍參數——同時還有 AREX-Turbo，一個稠密的 40 億參數模型。兩者皆為 Apache 2.0 授權，且都是代理而非聊天模型。

AREX 的設計是一套雙迴路研究框架，外迴路則是驗證步驟。內迴路會從搜尋與瀏覽中蒐集證據、加以整合，並產出一個附帶信心分數的候選答案。接著外迴路會依據原始限制條件檢查該候選答案，並做出決定：接受它、修正它，或是捨棄這條軌跡並重新開始。在每次迭代之間，模型會維護一個脈絡區塊，內容包含已驗證的發現、待選方案、尚未解決的限制條件以及下一步計畫，這正是讓它能在漫長的探究過程中始終不偏離主軸的原因。BAAI 回報 Base 在 BrowseComp 上為 82.5、GAIA 上為 85.4、DeepSearch QA 上為 89.9，Turbo 則為 70.7 / 81.6 / 78.5——這些都是廠商自家數據，未經重現。

那是一種真實且有用的自我檢查形式。它同時也在範疇上弱於編譯器。當 AREX 外迴圈判定某個答案滿足其限制條件時，這個判斷來自一個正在閱讀那些限制條件的語言模型。當 Lean 接受一個 MathForm-8B 形式化時，這個判斷來自一個實作固定演算的型別檢查器。兩者都無法免於錯誤——一份形式化可以是有效的 Lean，卻捕捉了錯誤的定理——但只有其中一個能在無人察覺的情況下出錯，而這個差異不是程度上的差異。

• 可用性 — MathForm-8B 可從 OpenBMB 下載，並附有已發布的卡片。AREX-2 是一個沒有任何檔案的儲存庫。

• 參數 — MathForm-8B 採用 8B 稠密模型。AREX-2 則未知；該系列涵蓋 122B 混合專家模型與 4B 稠密模型。

• 產出內容 — 為 MathForm-8B 產生的 Lean 4 定理陳述，證明刻意留空。AREX-2 則未知；第一代產出了一份附有信賴度數值的經研究答案。

• 如何檢查——Lean 編譯器，用於 MathForm-8B。同一模型內部的驗證迴圈，根據 AREX-Base 的證據。

• 授權 — OpenBMB 針對 MathForm-8B 的自有條款；AREX-2 目前尚未有任何聲明。第一代 AREX 採用 Apache 2.0。

• 重點數據 — MathForm-8B 的 Pass@8 經語法檢查為 88.06%、經一致性檢查為 72.37%，此為廠商回報數據。AREX-2 則無相關數據。

堆疊一次可以容納的兩項工作

這些模型在功能上並不重疊，而且值得在任何人把「對比」讀成二選一之前先說明這一點。MathForm-8B 是證明助理的前端。它的輸出是一條定理敘述，接著由數學家或自動化證明器加以處理。它自然的位置是在數學、形式方法或規格工作的驗證管線中；其價值在於下游工具能取用其輸出，而不必信任該模型。

AREX-2 若延續其家族路線，就是為沒有編譯器的問題所提供的後端。「這三份申報文件當中，哪一份與另外兩份不一致」並沒有形式系統可供檢核，唯一可用的防禦手段就是蒐集更多證據並重新檢視自己的推理——而這正是 AREX 外迴圈在做的事。一個兩者都需要的團隊，會把它們放在不同地方執行：讓形式化處理問題中可被形式化的部分，讓搜尋與驗證代理處理無法形式化的部分。

這道分界也誠實地回答了：這兩者之中，哪一個是你這週就能採取行動的。MathForm-8B 已經推出、有完整文件，現在就能使用。AREX-2 則只是個名字。

當驗證成為主體時，路由敘事會呈現什麼樣貌

由於這兩者的使用方式截然不同，基礎架構問題也隨之分裂。

對 MathForm-8B 而言，工作負載是一連串短小、確定性的生成，輸出會直接送進編譯器。真正重要的是模型可連線，以及失敗的呼叫會重試，因為一個漏掉請求的形式化管線，和一個失敗的形式化管線看起來一模一樣——而只有其中一種是關於模型的事實。跨供應商的自動容錯移轉，正是能區分這兩者的特定功能。OrcaRouter 目前既不提供 MathForm-8B，也不提供 AREX-2，因此 OpenBMB 的權重來自 OpenBMB 自家的發行版，而任何託管端點都是別人的；我們提供的是前端的路由，供應商定價原樣傳遞，每 token 不加收任何費用。

對像 AREX-Base 這樣的 agent 來說，情況更棘手，而採用路由的理由也更充分。一條深度研究軌跡會針對每個查詢發出數十次模型呼叫，每一次都得重新讀取隨著證據累積而不斷膨脹的上下文，而失敗模式還會層層疊加：一個在二十五個步驟中的第十九步逾時的供應商，並不會讓答案變差，而是會產出一個自信滿滿的錯誤答案。一個涵蓋 200 多個模型、並具備在執行階段決定容錯移轉規則的 API，正是把這個迴圈放到其後的論據，如此一來，單一供應商出包只會是一次重試，而不是一條錯誤的引用。

唯一要留意的一件事，以及唯一不該假定的一件事

三項事實就能回答關於 AREX-2 的大部分未解問題，而且這三者都能從外部看見：該儲存庫中是否出現檔案、模型卡宣稱的參數量是多少，以及它是否帶有前兩代所具備的 Apache 2.0 標籤。在這些事實出現之前，關於 AREX-2 唯一站得住腳的說法是：BAAI 於 2026 年 9 月 29 日保留了這個名稱，且尚未宣布任何消息。

不該假設的是，第二代會繼承第一代的形態。「2」是產品名稱，不是架構。它可能比 122B Base 更大，也可能是同一框架的小型蒸餾版本——而且由於該系列已經同時推出品質層級與服務成本層級，兩種解讀都合理。此刻不合理的是，為它發布規格。