Ai2 открыла веса AstaBrief 8B, которая готовит научные отчёты в 3,5 раза быстрее
Ai2 выложила в открытый доступ модель AstaBrief 8B и данные для её обучения. В Asta она работает в режиме Fast и готовит отчёт со ссылками за 51 секунду вместо 178.
Ai2 открыла веса AstaBrief 8B — модели, которая превращает исследовательский вопрос и найденные фрагменты литературы в отчёт со ссылками. Вместе с весами опубликованы данные обучения и пример рабочего процесса для отчётов по собственным PDF. В Asta модель работает в режиме Fast: в среднем 51,1 секунды на отчёт против 178,5 секунды у Thinking, примерно в 3,5 раза быстрее.
AstaBrief построена на Qwen3-8B. Модель пишет весь отчёт за один проход, без промежуточного суммирования и кластеризации фрагментов, которые использует Thinking. По данным Ai2, это сократило время и стоимость генерации, а качество осталось близким к пайплайну на Claude.
Обучение шло в два этапа: дообучение на готовых примерах (SFT) и на парах отчётов, где один вариант признан лучше (DPO). Для SFT собрали 90 тыс. научных запросов, после фильтрации осталось 47 тыс. примеров. Для DPO — около 6 тыс. пар; их оценивали GPT-4.1 и DeepSeek-R1, совпадение с оценками людей составило 95%.
Сильнее всего качество подняла фильтрация отчётов с низкой плотностью ссылок. На бенчмарке SQABench-CS2 из 200 вопросов AstaBrief оказалась близка к пайплайну на Claude и DR Tulu по покрытию и качеству цитирования. В отдельном исследовании с 14 вопросами два из трёх научных сотрудников предпочли AstaBrief по точности ссылок.
В Asta режимом Fast воспользовались 374 человека. 29,1% возвращались к нему два дня и дольше, в среднем на пользователя пришлось 3,67 ветки отчётов. 23% не переключались обратно на Thinking, ещё 18% чередовали режимы. Положительные отзывы: 84,2% у Fast против 85,2% у Thinking.
Открытые веса позволяют организациям запускать модель на своей инфраструктуре, в том числе за файрволом. Ai2 называет генерацию отчётов в Asta первым рабочим применением AstaBrief и планирует развивать обучение предпочтениям, подходы RAG с обучением с подкреплением и многошаговые сценарии.