AI 快讯 | Ai2 开源 AstaBrief 8B：把科学报告生成的配方连着数据一起放出来
一个 8B 的小模型，把「研究问题 ＋ 检索到的文献片段」变成带引用的报告，整条流水线平均 51.1 秒出一份。更值得看的不是速度，是 Ai2 把训练配方和训练数据一起放了出来。
它开放的不只是权重
AstaBrief 的权重放在 Hugging Face（allenai/AstaBrief_8B），训练数据同批开放，另外附一份示例工作流，让研究者可以用自己的 PDF 生成报告。
它的基座是 Qwen3-8B，产品侧已经在 Ai2 的 Asta 里以 Fast 模式上线。
速度来自「一次成文」
官方口径是：整条 Asta 流水线上，Fast 模式平均 51.1 秒出一份报告，Claude 驱动的 Thinking 模式要 178.5 秒，约快 3.5 倍。
做法是直接一次成文，跳过摘要与聚类那一套多步流程。
图 1：AstaBrief 的流水线耗时、训练配方与评测口径。自制图。来源：Ai2 官方博客（2026-10-02），速度与评测均为官方口径。
配方长什么样
训练数据来自真实科研查询：过滤后约 9 万条，据此生成 4.7 万条 SFT 样本。
偏好对齐用 DPO，约 6000 组偏好对，两组裁判（GPT-4.1 与 DeepSeek-R1）意见一致才保留，与人类偏好的一致率 95%。
评测用了 SQABench-CS2（200 个用户自拟的计算机问题）与 DeepScholarBench（63 条），另加一个 14 题、3 位科研人员参与的小样本人类偏好研究。
采信前要打两处折
第一处是时点：训练与评测大部分在 2025 年完成，用来做对比的专有模型反映的是当时的前沿，官方明确说没有对今天的前沿模型重跑完整评测。
第二处是人类研究的结论：整体偏好上 DR Tulu 胜出，只有在引用准确性这一项上，3 位研究者中有 2 位更偏好 AstaBrief。
全部结果都是官方自测，没有第三方复现。
谁适合试
如果你的团队在做科研检索或自动出报告，想把这套放进自己的环境（可自建、可放防火墙内），它是一个可以直接上手的基线：权重、数据、工作流都在。
但它不是「当前最强」那一类。评测时点落后约一年，采信时按官方自陈打折。
来源链接
官方来源
- 官方博客：https://allenai.org/blog/astabrief
- 模型权重：https://huggingface.co/allenai/AstaBrief_8B ｜ 产品入口：https://asta.allen.ai/
独立来源
- 目前没有第三方评测或复现