大模型基礎(chǔ)模型多模態(tài)AI Agent科研【免費(fèi)下載鏈接】Sage-A1.5項(xiàng)目地址https://ai.gitcode.com/InternScience/Sage-A1.5點(diǎn)擊查看免費(fèi)下載Sage-A1.5 是上海AI實(shí)驗(yàn)室推出的35B MoE 智能體模型在前代 Agents-A1 基礎(chǔ)上強(qiáng)化了長(zhǎng)程任務(wù)執(zhí)行與科研探索能力。本文將它與前代 Agents-A1、旗艦級(jí) Kimi-K3 放在一起做終極對(duì)比從性能、能力、部署成本、適用場(chǎng)景四個(gè)維度幫你快速判斷35B級(jí)智能體模型選型到底誰(shuí)更值得用。 三個(gè)模型一眼看懂定位差異模型定位核心特點(diǎn)Sage-A1.535B MoE 多模態(tài)智能體模型多智能體并行編排、內(nèi)置驗(yàn)證模式、256K 上下文可擴(kuò)展至 512KAgents-A1同實(shí)驗(yàn)室前代基座A1Sage-A1.5 的進(jìn)化基礎(chǔ)長(zhǎng)程智能體能力Kimi-K3前沿級(jí)大模型遠(yuǎn)大于 35B通用 Agent 任務(wù)上的能力標(biāo)桿 一句話概括Sage-A1.5 用 35B 的體量去對(duì)標(biāo)前沿旗艦的智能體能力——這正是它最值得關(guān)注的地方。從 config.json 可以看到256 個(gè)專家、每 token 激活 8 個(gè)top-8 MoE、40 層、256K 原生上下文、bf16 精度并帶視覺編碼器支持圖像/視頻輸入屬于小模型、大編排的架構(gòu)思路。 關(guān)鍵基準(zhǔn)成績(jī)對(duì)比分?jǐn)?shù)越高越好基準(zhǔn)方向Sage-A1.5Agents-A1Kimi-K3GAIA長(zhǎng)程搜索95.196.0 92.2BrowseComp深度瀏覽82.8*75.591.2XBench-DS-251092.086.085.0IFBench指令遵循81.680.672.1SWE-bench Pro工程61.243.663.3MLE-Lite機(jī)器學(xué)習(xí)工程65.243.972.7FrontierScience-Research科研48.340.021.7FrontierScience-Olympiad81.079.069.0PinchBench通用Agent90.076.988.2VitaBench通用Agent45.438.759.0HLE w/ tools工具調(diào)用55.147.656.0ChemCOTBench化學(xué)推理66.564.082.5* 開啟 Agentic Orchestration 后的成績(jī)?cè)趺醋x這張表Sage-A1.5 贏在科研 搜索 指令遵循XBench-DS-2510、IFBench、PinchBench 拿到全場(chǎng) SOTA科研方向FrontierScience把 Kimi-K3 甩開一倍以上GAIA 長(zhǎng)程搜索 95.1甚至反超 Kimi-K3 的 92.2。Kimi-K3 贏在體量BrowseComp、VitaBench、ChemCOTBench 等偏通用/專業(yè)的任務(wù)上仍然領(lǐng)先這符合更大模型更強(qiáng)的直覺。Agents-A1 被自家新模型全面超越Sage-A1.5 相比前代在 SWE-bench Pro 17.6、SWE-bench Multilingual 14.0、MLE-Lite 21.3工程與 Agent 負(fù)載提升明顯。 Sage-A1.5 的三大殺手锏A(chǔ)gentic Orchestration多智能體編排 通過(guò)注冊(cè)一個(gè)spawn_subagent工具模型可以并行派出多個(gè)子智能體各自擁有獨(dú)立上下文和工具集獨(dú)立調(diào)查后再匯總。這是它 BrowseComp 從 81.7 提升到 82.8、科研任務(wù)大幅領(lǐng)先的秘密武器。Verification Mode內(nèi)置驗(yàn)證模式? 一個(gè)可選開關(guān)請(qǐng)求級(jí)開啟讓模型在推理過(guò)程中主動(dòng)暫停、自查已建立的結(jié)論與失敗的嘗試再修正方向——不需要外部裁判模型。開啟邏輯見 chat_template.jinja。開放科學(xué)發(fā)現(xiàn)Open Scientific Discovery 不只是回答預(yù)設(shè)問(wèn)題而是能開展探索式研究交互式分析、產(chǎn)出可檢查的研究工件。FrontierScience-Research 48.3 vs Kimi-K3 的 21.7差距非常懸殊。 部署成本Sage-A1.5 如何快速跑起來(lái)三個(gè)模型中只有 Sage-A1.5 是開源權(quán)重本地單卡即可部署。它兼容 Hugging Face Transformers、vLLM、SGLang 等主流框架vllm serve InternScience/Sage-A1.5 \ --port 8000 \ --max-model-len 262144 \ --reasoning-parser qwen3 \ --enable-auto-tool-choice \ --tool-call-parser qwen3_coder幾個(gè)值得注意的工程細(xì)節(jié) 附帶 MTP多 Token 預(yù)測(cè)權(quán)重 model-mtp.safetensors配合 vLLM/SGLang 的投機(jī)解碼可顯著提升生成速度 256K 原生上下文用 YaRNfactor 2.0可擴(kuò)展到512K完整命令見 README.md? 官方推薦采樣參數(shù)temperature1.0、top_p0.95、top_k20、presence_penalty1.5? 選型結(jié)論誰(shuí)更值得用你的場(chǎng)景推薦本地/單卡部署預(yù)算有限追求 35B 級(jí)最強(qiáng)智能體Sage-A1.5?科研、長(zhǎng)程搜索、多智能體編排、文檔理解Sage-A1.5科研方向斷層領(lǐng)先純 API 調(diào)用、通用 Agent 任務(wù)、追求單點(diǎn)能力上限Kimi-K3已在用 Agents-A1 的團(tuán)隊(duì)升級(jí)到 Sage-A1.5工程負(fù)載全面大幅提升總結(jié)如果你正在做智能體模型選型——要開源自部署、要科研和長(zhǎng)程任務(wù)能力、GPU 資源又有限Sage-A1.5 是目前 35B 級(jí)幾乎唯一的答案如果你更看重通用任務(wù)上的絕對(duì)性能且沒有部署限制Kimi-K3 依然穩(wěn)坐標(biāo)桿。 相關(guān)資料完整基準(zhǔn)表格與部署指南README.md模型結(jié)構(gòu)與 MoE 配置config.json對(duì)話模板含 Verification 開關(guān)實(shí)現(xiàn)chat_template.jinjaMTP 投機(jī)解碼權(quán)重model-mtp.safetensors分片權(quán)重索引model.safetensors.index.json贊分享大模型基礎(chǔ)模型多模態(tài)AI Agent科研【免費(fèi)下載鏈接】Sage-A1.5項(xiàng)目地址https://ai.gitcode.com/InternScience/Sage-A1.5點(diǎn)擊查看免費(fèi)下載相關(guān)推薦Qwen3.5-35B-A3B-singprobe vs 獨(dú)立8B安全模型流式Guardrail選型終極對(duì)比清單該選誰(shuí)Qwen3.5 35B A3B singprobe vs 獨(dú)立8B安全模型流式Guardrail選型終極對(duì)比清單該選誰(shuí) 做流式 Guardrail安全護(hù)Kimi-K3-Quark-MXFP4-AttnFP8 對(duì)比原版 Kimi-K3精度、體積與 ROCm 生態(tài)選型終極指南Kimi K3 Quark MXFP4 AttnFP8 對(duì)比原版 Kimi K3精度、體積與 ROCm 生態(tài)選型終極指南 本文帶你全面對(duì)比 Kimi K3 QPortabase vs pgBackUp數(shù)據(jù)庫(kù)備份工具5大維度實(shí)測(cè)對(duì)比誰(shuí)更值得選Portabase vs pgBackUp數(shù)據(jù)庫(kù)備份工具5大維度實(shí)測(cè)對(duì)比誰(shuí)更值得選 Portabase 是一款開源的 數(shù)據(jù)庫(kù)備份與恢復(fù)工具 一個(gè)控制臺(tái)就上一篇深入理解sonic-rs的SIMD優(yōu)化技術(shù)讓JSON解析速度飛起下一篇MeloTTS 多語(yǔ)種文本轉(zhuǎn)語(yǔ)音零基礎(chǔ)到可用的完整實(shí)踐創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考