10 月 20 日,上海AI实验室的 InternScience 团队把 Sage-A1.5 的技术报告挂上 arXiv(编号 2610.28578),配套模型卡与全套权重随后在 Hugging Face 更新到位。这是一个 35B 的 MoE 智能体模型,底座为 Qwen3.6-35B-A3B,官方定位是 A1 的升级:不只解决单个任务,而是学会「组织工作、并在执行中修正自己」。论文上线一天,HF 论文页攒下 58 个赞。
能力组合:三个新引擎
报告把升级拆成三块。第一,智能体编排:给模型暴露一个 spawn_subagent 工具,它就能把任务拆给多个并行子智能体,每个子智能体有独立上下文和工具权限,互不干扰地各查各的,最后汇总结论。第二,验证模式:通过 chat_template_kwargs 打开开关后,模型会在自己的思维链中途暂停,复核哪些结论站得住、哪些路径走死了,再在同一回合里换方向——不需要外挂一个批评者模型。第三,开放式科学发现:从回答预设问题走向探索式研究,产出可检查的研究工件,官方用多学科科研任务做了展示。
官方跑分:35B 掂量更大的模型
模型卡的评测数字全部来自官方自报,社区尚无第三方复现,先按官方口径看:GAIA 拿到 95.1,官方称高于其对比集里所有更大规模的模型,对比对象包括 Kimi-K3、GLM-5.3 与 GPT-5.6-sol;XBench-DS-2510 92.0、IFBench 81.6、FrontierScience-Olympiad 81.0、FrontierScience-Research 48.3、OmniDocBench 91.5。同级 35B 档排第一的项目包括 SWE-bench Pro 61.2、BrowseComp 81.7、带工具的 HLE 55.1。相对上一代 A1,工程类提升显著:SWE-bench Pro +17.6、SWE-bench Multilingual +14.0、MLE-Lite +21.3、PinchBench +13.1。
部署侧:一张 GPU 与 GGUF
推理配置写得务实:vLLM 单卡即可起 262K 上下文服务,支持 MTP 投机解码(SGLang 走 EAGLE,vLLM 走 mtp 配置);纯文本场景可跳过视觉编码器,把 KV cache 省下来——模型卡标签里有 vlm,这是个带视觉的模型。本地玩家也有份:FP8、Q4_K_M、Q8_0、F16 四种量化版本全部放出,许可证 Apache 2.0。
Sage 的看点不在单个跑分,而在路线:旗舰模型靠规模碾压时,35B 这条线在赌「会编排、会自我验证」比「更大」更划算。如果官方数字经得起第三方复现,开源科研智能体的门槛会再降一档。手头有闲置显卡的话,这套权重值得烧一晚上。