Pistis技术报告

我们介绍Pistis模型家族，包括分别构建于Qwen3.6与Qwen3.5之上的27B与9B参数多模态大语言模型，通过一个通用且可扩展的后训练框架开发。该框架首先通过大规模多模态监督微调（SFT）建立坚实基础。在此SFT基础上，我们提出交错蒸馏与强化学习（IDRL），一种新的后训练范式，在单一训练循环中紧密集成在策略蒸馏与强化学习。通过在两个目标之间交替，而非孤立优化其一或以静态联合损失合并二者，IDRL带来更有效的知识迁移、更高的优化稳定性以及针对长时程Agent轨迹更精确的信用分配，在缓解常见能力权衡的同时取得更强性能。在两个模型规模上，该框架都产出两个专门变体：Pistis-Thinking，旨在强化深度多模态推理；Pistis-Agentic，额外纳入Agent轨迹数据以支持长时程规划、迭代推理与工具使用。Pistis-Agentic在多模态搜索上尤其出色。两个规模都超过对应的基座模型。除模型参数优化外，我们进一步提出Pistis-Auto-Harnessing（PAH），一种通过迭代优化自动改进Agent推理harness的系统级方法。实验表明，PAH在不更新模型参数、不增加交互预算的情况下提升模型性能。