我们推出了 Pistis 系列模型，包含基于 Qwen3.6 的 27B 参数和基于 Qwen3.5 的 9B 参数多模态大语言模型。模型通过一个通用且可扩展的后训练框架构建。框架首先通过大规模多模态监督微调（SFT）奠定强大的基础。
在此基础上，我们提出了交叉蒸馏与强化学习（IDRL）方案，在同一训练循环中交替执行 on‑policy 蒸馏和强化学习。相比于单独优化或静态联合损失，IDRL 能更有效地转移知识、提升优化稳定性，并为长时程代理轨迹提供更精确的信用分配，从而在提升性能的同时缓解常见的能力权衡。
在两种规模的模型上，框架分别生成了两种专用变体：Pistis‑Thinking 侧重于深度多模态推理，Pistis‑Agentic 进一步加入了代理轨迹数据，以支持长时程规划、迭代推理和工具使用，尤其在多模态搜索方面表现突出。两种规模的模型均超越了对应的基线模型。
除模型参数优化外，我们还提出了 Pistis‑Auto‑Harnessing（PAH）系统级方法，通过迭代优化自动提升推理 harness。实验表明，PAH 在不修改模型参数且不增加交互预算的前提下，显著提升了模型性能。
点评