Open-sourcing AstaBrief, the fast report-generation model in Asta

Language models can already help researchers search literature and synthesize evidence, but scientific work demands grounding and verifiability. In Asta, our agentic platform, users bring complex constraints and treat reports as working artifacts. We built Asta Brief 8B, a small open model for cited report generation, and open-sourced it with training data.

Asta Brief is available in Asta’s Generate a report feature as Fast mode, alongside Claude-powered Thinking mode. It turns research questions and retrieved literature into cited reports, writing in one pass. This reduces generation time by nearly an order of magnitude: Fast mode averages 51.1 seconds per report versus 178.5 seconds for Thinking mode, about 3.5× faster.

We trained Asta Brief from Qwen3-8B, focusing on post-training data and evaluation. It uses tens of thousands of real queries and citation-focused filtering. Open weights allow institutions to run it locally, crucial for sensitive research. We also release an example workflow for adapting reports from PDFs.

The results reflect 2025 comparisons; we haven't rerun against today's frontier models. This work supports broader goals through NSF OMAI, led by Ai2, to build open AI for science. We're sharing our approach to help future models for scientific work.

يمكن لنماذج اللغة بالفعل مساعدة الباحثين في البحث عن الأدبيات وتجميع الأدلة، لكن العمل العلمي يتطلب الأساس والتحقق. في Asta، منصتنا الوكيلة، يجلب المستخدمون قيودًا معقدة ويعاملون التقارير كقطع أثرية عمل. بنينا Asta Brief 8B، نموذجًا صغيرًا مفتوحًا لتوليد التقارير المستشهد بها، وأصدرناه كمصدر مفتوح مع بيانات التدريب.

يتوفر Asta Brief في ميزة إنشاء تقرير في Asta كوضع سريع، إلى جانب وضع التفكير المدعوم من Claude. يحول أسئلة البحث والأدبيات المسترجعة إلى تقارير مستشهد بها، ويكتب في مسار واحد. هذا يقلل وقت التوليد بمقدار مرتبة تقريبًا: متوسط الوضع السريع 51.1 ثانية لكل تقرير مقابل 178.5 ثانية للوضع التفكيري، حوالي 3.5 مرات أسرع.

دربنا Asta Brief من Qwen3-8B، مع التركيز على بيانات ما بعد التدريب والتقييم. يستخدم عشرات الآلاف من الاستعلامات الحقيقية والتصفية المركزة على الاستشهادات. تسمح الأوزان المفتوحة للمؤسسات بتشغيله محليًا، وهو أمر حاسم للبحث الحساس. نطلق أيضًا سير عمل مثال لتكييف التقارير من ملفات PDF.

تعكس النتائج مقارنات عام 2025؛ لم نعد تشغيل التقييم ضد النماذج الحدودية اليوم. يدعم هذا العمل أهدافًا أوسع من خلال NSF OMAI، بقيادة Ai2، لبناء ذكاء اصطناعي مفتوح للعلوم. نحن نشارك نهجنا لمساعدة النماذج المستقبلية للعمل العلمي.

ভাষা মডেল ইতিমধ্যেই গবেষকদের সাহিত্য অনুসন্ধান এবং প্রমাণ সংশ্লেষণে সাহায্য করতে পারে, কিন্তু বৈজ্ঞানিক কাজের ভিত্তি এবং যাচাইযোগ্যতা প্রয়োজন। আমাদের এজেন্টিক প্ল্যাটফর্ম Asta-তে, ব্যবহারকারীরা জটিল সীমাবদ্ধতা নিয়ে আসে এবং রিপোর্টকে কাজের শিল্পকর্ম হিসেবে বিবেচনা করে। আমরা Asta Brief 8B তৈরি করেছি, উদ্ধৃত রিপোর্ট জেনারেশনের জন্য একটি ছোট ওপেন মডেল, এবং প্রশিক্ষণ ডেটা সহ এটি ওপেন-সোর্স করেছি।

Asta Brief, Asta-এর Generate a report বৈশিষ্ট্যে Fast মোড হিসেবে উপলব্ধ, Claude-চালিত Thinking মোডের পাশাপাশি। এটি গবেষণা প্রশ্ন এবং পুনরুদ্ধার করা সাহিত্যকে উদ্ধৃত রিপোর্টে রূপান্তর করে, এক পাসে লেখে। এটি জেনারেশন সময় প্রায় একটি অর্ডার অফ ম্যাগনিটিউড কমিয়ে দেয়: Fast মোড গড়ে 51.1 সেকেন্ড প্রতি রিপোর্ট বনাম Thinking মোডের জন্য 178.5 সেকেন্ড, প্রায় 3.5 গুণ দ্রুত।

আমরা Qwen3-8B থেকে Asta Brief প্রশিক্ষণ দিয়েছি, পোস্ট-ট্রেনিং ডেটা এবং মূল্যায়নের উপর ফোকাস করে। এটি হাজার হাজার বাস্তব প্রশ্ন এবং উদ্ধৃতি-কেন্দ্রিক ফিল্টারিং ব্যবহার করে। ওপেন ওয়েট প্রতিষ্ঠানগুলিকে এটি স্থানীয়ভাবে চালানোর অনুমতি দেয়, সংবেদনশীল গবেষণার জন্য গুরুত্বপূর্ণ। আমরা PDF থেকে রিপোর্ট অভিযোজনের জন্য একটি উদাহরণ ওয়ার্কফ্লোও প্রকাশ করি।

ফলাফল 2025 সালের তুলনা প্রতিফলিত করে; আমরা আজকের ফ্রন্টিয়ার মডেলের বিরুদ্ধে পুনরায় মূল্যায়ন চালাইনি। এই কাজটি Ai2-এর নেতৃত্বে NSF OMAI-এর মাধ্যমে বিস্তৃত লক্ষ্য সমর্থন করে, বিজ্ঞানের জন্য ওপেন AI তৈরির জন্য। আমরা বৈজ্ঞানিক কাজের জন্য ভবিষ্যত মডেলগুলিকে সাহায্য করতে আমাদের পদ্ধতি ভাগ করছি।

Sprachmodelle können Forschern bereits dabei helfen, Literatur zu durchsuchen und Beweise zu synthetisieren, aber wissenschaftliche Arbeit erfordert Fundiertheit und Überprüfbarkeit. In Asta, unserer agentischen Plattform, bringen Benutzer komplexe Einschränkungen ein und behandeln Berichte als Arbeitsartefakte. Wir haben Asta Brief 8B entwickelt, ein kleines offenes Modell zur Generierung zitierter Berichte, und es zusammen mit Trainingsdaten als Open Source veröffentlicht.

Asta Brief ist in der Funktion „Bericht generieren“ von Asta als schneller Modus verfügbar, neben dem von Claude betriebenen Denkmodus. Es wandelt Forschungsfragen und abgerufene Literatur in zitierte Berichte um und schreibt in einem Durchgang. Dies reduziert die Generierungszeit um fast eine Größenordnung: Der schnelle Modus durchschnittlich 51,1 Sekunden pro Bericht gegenüber 178,5 Sekunden für den Denkmodus, etwa 3,5-mal schneller.

Wir haben Asta Brief von Qwen3-8B aus trainiert, mit Fokus auf Post-Training-Daten und Bewertung. Es verwendet Zehntausende von echten Abfragen und zitationszentrierte Filterung. Offene Gewichte ermöglichen es Institutionen, es lokal auszuführen, was für sensible Forschung entscheidend ist. Wir veröffentlichen auch einen Beispiel-Workflow zur Anpassung von Berichten aus PDFs.

Die Ergebnisse spiegeln Vergleiche von 2025 wider; wir haben die Bewertung nicht gegen heutige Grenzmodelle wiederholt. Diese Arbeit unterstützt breitere Ziele durch NSF OMAI, geleitet von Ai2, um offene KI für die Wissenschaft aufzubauen. Wir teilen unseren Ansatz, um zukünftigen Modellen für wissenschaftliche Arbeit zu helfen.

Los modelos de lenguaje ya pueden ayudar a los investigadores a buscar literatura y sintetizar evidencia, pero el trabajo científico exige fundamentación y verificabilidad. En Asta, nuestra plataforma agéntica, los usuarios traen restricciones complejas y tratan los informes como artefactos de trabajo. Construimos Asta Brief 8B, un modelo pequeño y abierto para la generación de informes citados, y lo publicamos como código abierto junto con los datos de entrenamiento.

Asta Brief está disponible en la función Generar un informe de Asta como modo Rápido, junto con el modo Pensamiento impulsado por Claude. Convierte preguntas de investigación y literatura recuperada en informes citados, escribiendo en una sola pasada. Esto reduce el tiempo de generación en casi un orden de magnitud: el modo Rápido promedia 51.1 segundos por informe frente a 178.5 segundos para el modo Pensamiento, aproximadamente 3.5 veces más rápido.

Entrenamos Asta Brief desde Qwen3-8B, centrándonos en los datos posteriores al entrenamiento y la evaluación. Utiliza decenas de miles de consultas reales y filtrado centrado en citas. Los pesos abiertos permiten a las instituciones ejecutarlo localmente, crucial para investigaciones sensibles. También publicamos un flujo de trabajo de ejemplo para adaptar informes a partir de PDF.

Los resultados reflejan comparaciones de 2025; no hemos vuelto a ejecutar la evaluación completa contra los modelos fronterizos actuales. Este trabajo apoya objetivos más amplios a través de NSF OMAI, liderado por Ai2, para construir IA abierta para la ciencia. Estamos compartiendo nuestro enfoque para ayudar a futuros modelos para el trabajo científico.

Les modèles de langage peuvent déjà aider les chercheurs à rechercher de la littérature et à synthétiser des preuves, mais le travail scientifique exige une base et une vérifiabilité. Dans Asta, notre plateforme agentique, les utilisateurs apportent des contraintes complexes et traitent les rapports comme des artefacts de travail. Nous avons construit Asta Brief 8B, un petit modèle ouvert pour la génération de rapports cités, et l'avons open-sourcé avec les données d'entraînement.

Asta Brief est disponible dans la fonction Générer un rapport d'Asta en mode Rapide, aux côtés du mode Pensée alimenté par Claude. Il transforme les questions de recherche et la littérature récupérée en rapports cités, en écrivant en une seule passe. Cela réduit le temps de génération de près d'un ordre de grandeur : le mode Rapide moyenne 51,1 secondes par rapport contre 178,5 secondes pour le mode Pensée, environ 3,5 fois plus rapide.

Nous avons entraîné Asta Brief à partir de Qwen3-8B, en nous concentrant sur les données post-entraînement et l'évaluation. Il utilise des dizaines de milliers de requêtes réelles et un filtrage centré sur les citations. Les poids ouverts permettent aux institutions de l'exécuter localement, crucial pour les recherches sensibles. Nous publions également un exemple de workflow pour adapter les rapports à partir de PDF.

Les résultats reflètent des comparaisons de 2025 ; nous n'avons pas réexécuté l'évaluation contre les modèles frontières actuels. Ce travail soutient des objectifs plus larges via NSF OMAI, dirigé par Ai2, pour construire une IA ouverte pour la science. Nous partageons notre approche pour aider les futurs modèles pour le travail scientifique.

भाषा मॉडल पहले से ही शोधकर्ताओं को साहित्य खोजने और साक्ष्य को संश्लेषित करने में मदद कर सकते हैं, लेकिन वैज्ञानिक कार्यों में आधार और सत्यापनीयता की मांग होती है। हमारे एजेंटिक प्लेटफ़ॉर्म Asta में, उपयोगकर्ता जटिल बाधाएँ लाते हैं और रिपोर्ट को कार्यशील कलाकृतियों के रूप में मानते हैं। हमने Asta Brief 8B बनाया, जो उद्धृत रिपोर्ट जनरेशन के लिए एक छोटा ओपन मॉडल है, और इसे प्रशिक्षण डेटा के साथ ओपन-सोर्स किया।

Asta Brief, Asta की Generate a report सुविधा में Fast मोड के रूप में उपलब्ध है, साथ ही Claude-संचालित Thinking मोड भी है। यह शोध प्रश्नों और पुनर्प्राप्त साहित्य को उद्धृत रिपोर्ट में बदलता है, एक ही पास में लिखता है। इससे जनरेशन का समय लगभग एक परिमाण के क्रम से कम हो जाता है: Fast मोड औसतन 51.1 सेकंड प्रति रिपोर्ट बनाम Thinking मोड के लिए 178.5 सेकंड, लगभग 3.5 गुना तेज़।

हमने Qwen3-8B से Asta Brief को प्रशिक्षित किया, पोस्ट-ट्रेनिंग डेटा और मूल्यांकन पर ध्यान केंद्रित किया। यह हजारों वास्तविक प्रश्नों और उद्धरण-केंद्रित फ़िल्टरिंग का उपयोग करता है। ओपन वेट संस्थानों को इसे स्थानीय रूप से चलाने की अनुमति देते हैं, जो संवेदनशील शोध के लिए महत्वपूर्ण है। हम PDF से रिपोर्ट को अनुकूलित करने के लिए एक उदाहरण कार्यप्रवाह भी जारी करते हैं।

परिणाम 2025 की तुलनाओं को दर्शाते हैं; हमने आज के फ्रंटियर मॉडल के खिलाफ पुनः मूल्यांकन नहीं चलाया है। यह कार्य Ai2 के नेतृत्व में NSF OMAI के माध्यम से व्यापक लक्ष्यों का समर्थन करता है, विज्ञान के लिए ओपन AI बनाने के लिए। हम वैज्ञानिक कार्यों के लिए भविष्य के मॉडलों की मदद करने के लिए अपना दृष्टिकोण साझा कर रहे हैं।

Model bahasa sudah dapat membantu peneliti mencari literatur dan mensintesis bukti, tetapi pekerjaan ilmiah membutuhkan landasan dan verifiabilitas. Di Asta, platform agentik kami, pengguna membawa kendala kompleks dan memperlakukan laporan sebagai artefak kerja. Kami membangun Asta Brief 8B, model terbuka kecil untuk pembuatan laporan yang dikutip, dan membuka sumbernya dengan data pelatihan.

Asta Brief tersedia di fitur Generate a report Asta sebagai mode Cepat, bersama mode Berpikir yang didukung Claude. Ini mengubah pertanyaan penelitian dan literatur yang diambil menjadi laporan yang dikutip, menulis dalam satu lintasan. Ini mengurangi waktu pembuatan hampir satu urutan besarnya: mode Cepat rata-rata 51,1 detik per laporan versus 178,5 detik untuk mode Berpikir, sekitar 3,5 kali lebih cepat.

Kami melatih Asta Brief dari Qwen3-8B, berfokus pada data pasca-pelatihan dan evaluasi. Ini menggunakan puluhan ribu kueri nyata dan penyaringan berfokus kutipan. Bobot terbuka memungkinkan institusi menjalankannya secara lokal, penting untuk penelitian sensitif. Kami juga merilis alur kerja contoh untuk mengadaptasi laporan dari PDF.

Hasilnya mencerminkan perbandingan tahun 2025; kami belum menjalankan ulang evaluasi terhadap model frontier saat ini. Pekerjaan ini mendukung tujuan yang lebih luas melalui NSF OMAI, dipimpin oleh Ai2, untuk membangun AI terbuka untuk sains. Kami membagikan pendekatan kami untuk membantu model masa depan untuk pekerjaan ilmiah.

言語モデルはすでに研究者が文献を検索しエビデンスを統合するのを支援できますが、科学的研究には根拠と検証可能性が求められます。当社のエージェント型プラットフォームAstaでは、ユーザーは複雑な制約を持ち込み、レポートを作業成果物として扱います。私たちはAsta Brief 8Bを構築しました。これは引用レポート生成用の小型オープンモデルであり、トレーニングデータとともにオープンソース化しました。

Asta Briefは、Astaの「レポート生成」機能で高速モードとして利用可能で、Claude搭載の思考モードと並んでいます。研究質問と取得した文献を引用レポートに変換し、1パスで記述します。これにより生成時間がほぼ一桁削減されます：高速モードは平均51.1秒/レポート、思考モードは178.5秒で、約3.5倍高速です。

私たちはQwen3-8BからAsta Briefをトレーニングし、トレーニング後のデータと評価に焦点を当てました。数万の実際のクエリと引用中心のフィルタリングを使用しています。オープンウェイトにより、機関はローカルで実行でき、機密研究に不可欠です。また、PDFからレポートを適応するためのサンプルワークフローも公開しています。

結果は2025年の比較を反映しています。現在の最先端モデルに対して再評価は行っていません。この作業は、Ai2が主導するNSF OMAIを通じて、科学のためのオープンAI構築というより広範な目標を支援します。私たちは、科学的研究のための将来のモデルを支援するためにアプローチを共有しています。

Modelos de linguagem já podem ajudar pesquisadores a pesquisar literatura e sintetizar evidências, mas o trabalho científico exige fundamentação e verificabilidade. No Asta, nossa plataforma agentiva, os usuários trazem restrições complexas e tratam os relatórios como artefatos de trabalho. Construímos o Asta Brief 8B, um pequeno modelo aberto para geração de relatórios citados, e o tornamos open source com dados de treinamento.

O Asta Brief está disponível no recurso Gerar um relatório do Asta como modo Rápido, juntamente com o modo Pensamento alimentado por Claude. Ele transforma perguntas de pesquisa e literatura recuperada em relatórios citados, escrevendo em uma única passada. Isso reduz o tempo de geração em quase uma ordem de magnitude: o modo Rápido tem média de 51,1 segundos por relatório contra 178,5 segundos para o modo Pensamento, cerca de 3,5 vezes mais rápido.

Treinamos o Asta Brief a partir do Qwen3-8B, focando nos dados pós-treinamento e avaliação. Ele usa dezenas de milhares de consultas reais e filtragem centrada em citações. Pesos abertos permitem que instituições o executem localmente, crucial para pesquisas sensíveis. Também lançamos um fluxo de trabalho de exemplo para adaptar relatórios a partir de PDFs.

Os resultados refletem comparações de 2025; não reexecutamos a avaliação contra os modelos de fronteira atuais. Este trabalho apoia objetivos mais amplos através do NSF OMAI, liderado pela Ai2, para construir IA aberta para a ciência. Estamos compartilhando nossa abordagem para ajudar futuros modelos para o trabalho científico.

Языковые модели уже могут помогать исследователям искать литературу и синтезировать доказательства, но научная работа требует обоснованности и проверяемости. В Asta, нашей агентной платформе, пользователи привносят сложные ограничения и относятся к отчетам как к рабочим артефактам. Мы создали Asta Brief 8B, небольшую открытую модель для генерации цитируемых отчетов, и открыли ее исходный код вместе с обучающими данными.

Asta Brief доступен в функции «Создать отчет» Asta как быстрый режим, наряду с режимом мышления на базе Claude. Он преобразует исследовательские вопросы и извлеченную литературу в цитируемые отчеты, записывая за один проход. Это сокращает время генерации почти на порядок: быстрый режим в среднем составляет 51,1 секунды на отчет по сравнению с 178,5 секундами для режима мышления, примерно в 3,5 раза быстрее.

Мы обучили Asta Brief на основе Qwen3-8B, сосредоточившись на данных после обучения и оценке. Он использует десятки тысяч реальных запросов и фильтрацию, ориентированную на цитирование. Открытые веса позволяют учреждениям запускать его локально, что важно для чувствительных исследований. Мы также публикуем пример рабочего процесса для адаптации отчетов из PDF.

Результаты отражают сравнения 2025 года; мы не перезапускали оценку против современных передовых моделей. Эта работа поддерживает более широкие цели через NSF OMAI под руководством Ai2 по созданию открытого ИИ для науки. Мы делимся нашим подходом, чтобы помочь будущим моделям для научной работы.

语言模型已经可以帮助研究人员搜索文献和综合证据，但科学工作需要基础性和可验证性。在我们的代理平台Asta中，用户带来复杂的约束条件，并将报告视为工作成果。我们构建了Asta Brief 8B，一个用于引用报告生成的小型开源模型，并将其与训练数据一起开源。

Asta Brief在Asta的“生成报告”功能中作为快速模式提供，与Claude驱动的思考模式并列。它将研究问题和检索到的文献转化为引用报告，一次性完成写作。这使生成时间减少了近一个数量级：快速模式平均每份报告51.1秒，而思考模式为178.5秒，大约快3.5倍。

我们从Qwen3-8B训练了Asta Brief，重点放在训练后数据和评估上。它使用了数万个真实查询和以引用为中心的过滤。开放权重允许机构本地运行，这对敏感研究至关重要。我们还发布了一个示例工作流，用于从PDF中改编报告。

结果反映了2025年的比较；我们尚未针对当今的前沿模型重新运行评估。这项工作通过由Ai2领导的NSF OMAI支持更广泛的目标，即构建开放的AI用于科学。我们正在分享我们的方法，以帮助未来的科学工作模型。