Fin Apex 1.0 发布：客服专用模型的胜利——RL 把幻觉降下来，解决率提上去

清风徐来AI 前沿2026-09-181458 阅读💛 271 收藏

一句话结论

Intercom 正式发布自研客服模型 Fin CX Apex 1.0：在一个足够智能的开源权重模型上做监督微调与强化学习，目前每周处理超过一百万次 Fin 对话，在解决率、客户满意度、幻觉率和响应延迟四个维度同时超越此前的通用模型方案——这是”通用模型够用”叙事在客服领域被推翻的标志性证据。

Fin Apex 1.0 发布

路线演变：从通用模型到专用模型

Fin 负责人 Fergal Reid 与模型上线负责人 Pedro 在发布片中交代了完整路线。Fin 早期的做法是用最好的通用模型，效果长期达标。转变发生在自研检索与重排序模型上：为客服场景专门构建的 retriever 和 re-ranker 超出了他们测试过的所有同类模型，这构成了一个越来越强的证据链——要拿到最好的客服效果，必须为这个领域专门构建模型，Apex 就是这条路线的产物。

评估口径：解决率不是唯一指标

Pedro 负责所有上线前模型评估，他的口径值得直接引用：解决率是核心指标但不是唯一指标，他们同时关注 CSAT（客户满意度）、幻觉率和延迟，构成一个指标组合。Apex 的结果是在假设解决与客户正反馈确认解决两个口径上都显著提升，同时 CSAT 改善、幻觉下降、速度更快——四个维度同向改善，而不是牺牲一项换另一项。

训练方法：SFT + RL + 多个奖励模型

训练与评估细节

技术细节上，Apex 构建在一个大型开源权重模型之上（他们同时维护一套适用于多个开源权重模型的通用后训练管线，研发阶段先在较小模型上迭代，临上线前再切换放大）。训练方法为监督微调加强化学习，并为此构建和迭代了多个奖励模型，整个投入持续了大半年。

最有信息量的一条经验：幻觉率的下降是通过强化学习实现的，而这从来没有通过提示词工程达成过。客服场景对幻觉的容忍度天然低于其他领域——模型需要一点世界知识来回答问题，但错误答案的代价极高，提示词调不下去的幻觉，RL 压下去了。

混合策略：专用模型为主，Sonnet 处理难工具调用

上线后的架构不是纯自研：Apex 承担 Fin 的绝大部分流量，但需要复杂工具调用的 Fin Procedures 环节仍然用 Anthropic 的 Sonnet——因为那个环节对多步工具调用的可靠性要求极高。这个混合策略本身就是一份选型参考：按任务环节的特性分配模型，而不是整体绑定单一模型。

对选型的三点参考

百万级周对话规模验证

通用旗舰模型不再是客服 AI 的默认最优解：当你的场景有明确的对错标准、海量真实对话数据和量化指标（解决率、幻觉率）时，领域后训练的收益已经被 Apex 验证，评估自建方案时应该把”开源权重+后训练”纳入对比。
幻觉治理优先试 RL 而不是更长提示词：Intercom 的实践表明提示词工程对幻觉的压缩有天花板，如果你们的客服机器人还在靠堆约束性提示词压幻觉，这条经验可以直接改变优化路径。
指标组合比单一指标更能防止跑偏：只优化解决率会出现”为解决而解决”的作弊式回复，CSAT、幻觉、延迟与解决率同看，是客服模型评估的稳健做法。

Fin Apex 1.0 现已承载 Fin 的绝大部分流量，每周处理超一百万次支持对话。