大模型基礎模型多模態(tài)AI Agent科研【免費下載鏈接】Sage-A1.5項目地址https://ai.gitcode.com/InternScience/Sage-A1.5點擊查看免費下載Sage-A1.5 是上海AI實驗室推出的35B MoE 智能體模型在前代 Agents-A1 基礎上強化了長程任務執(zhí)行與科研探索能力。本文將它與前代 Agents-A1、旗艦級 Kimi-K3 放在一起做終極對比從性能、能力、部署成本、適用場景四個維度幫你快速判斷35B級智能體模型選型到底誰更值得用。 三個模型一眼看懂定位差異模型定位核心特點Sage-A1.535B MoE 多模態(tài)智能體模型多智能體并行編排、內(nèi)置驗證模式、256K 上下文可擴展至 512KAgents-A1同實驗室前代基座A1Sage-A1.5 的進化基礎長程智能體能力Kimi-K3前沿級大模型遠大于 35B通用 Agent 任務上的能力標桿 一句話概括Sage-A1.5 用 35B 的體量去對標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 個專家、每 token 激活 8 個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)鍵基準成績對比分數(shù)越高越好基準方向Sage-A1.5Agents-A1Kimi-K3GAIA長程搜索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機器學習工程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化學推理66.564.082.5* 開啟 Agentic Orchestration 后的成績怎么讀這張表Sage-A1.5 贏在科研 搜索 指令遵循XBench-DS-2510、IFBench、PinchBench 拿到全場 SOTA科研方向FrontierScience把 Kimi-K3 甩開一倍以上GAIA 長程搜索 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)的任務上仍然領先這符合更大模型更強的直覺。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 負載提升明顯。 Sage-A1.5 的三大殺手锏Agentic Orchestration多智能體編排 通過注冊一個spawn_subagent工具模型可以并行派出多個子智能體各自擁有獨立上下文和工具集獨立調(diào)查后再匯總。這是它 BrowseComp 從 81.7 提升到 82.8、科研任務大幅領先的秘密武器。Verification Mode內(nèi)置驗證模式? 一個可選開關(guān)請求級開啟讓模型在推理過程中主動暫停、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。開放科學發(fā)現(xiàn)Open Scientific Discovery 不只是回答預設問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 如何快速跑起來三個模型中只有 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幾個值得注意的工程細節(jié) 附帶 MTP多 Token 預測權(quán)重 model-mtp.safetensors配合 vLLM/SGLang 的投機解碼可顯著提升生成速度 256K 原生上下文用 YaRNfactor 2.0可擴展到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)論誰更值得用你的場景推薦本地/單卡部署預算有限追求 35B 級最強智能體Sage-A1.5?科研、長程搜索、多智能體編排、文檔理解Sage-A1.5科研方向斷層領先純 API 調(diào)用、通用 Agent 任務、追求單點能力上限Kimi-K3已在用 Agents-A1 的團隊升級到 Sage-A1.5工程負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、要科研和長程任務能力、GPU 資源又有限Sage-A1.5 是目前 35B 級幾乎唯一的答案如果你更看重通用任務上的絕對性能且沒有部署限制Kimi-K3 依然穩(wěn)坐標桿。 相關(guān)資料完整基準表格與部署指南README.md模型結(jié)構(gòu)與 MoE 配置config.json對話模板含 Verification 開關(guān)實現(xiàn)chat_template.jinjaMTP 投機解碼權(quán)重model-mtp.safetensors分片權(quán)重索引model.safetensors.index.json贊分享大模型基礎模型多模態(tài)AI Agent科研【免費下載鏈接】Sage-A1.5項目地址https://ai.gitcode.com/InternScience/Sage-A1.5點擊查看免費下載相關(guān)推薦Qwen3.5-35B-A3B-singprobe vs 獨立8B安全模型流式Guardrail選型終極對比清單該選誰Qwen3.5 35B A3B singprobe vs 獨立8B安全模型流式Guardrail選型終極對比清單該選誰 做流式 Guardrail安全護Kimi-K3-Quark-MXFP4-AttnFP8 對比原版 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 本文帶你全面對比 Kimi K3 QPortabase vs pgBackUp數(shù)據(jù)庫備份工具5大維度實測對比誰更值得選Portabase vs pgBackUp數(shù)據(jù)庫備份工具5大維度實測對比誰更值得選 Portabase 是一款開源的 數(shù)據(jù)庫備份與恢復工具 一個控制臺就上一篇深入理解sonic-rs的SIMD優(yōu)化技術(shù)讓JSON解析速度飛起下一篇MeloTTS 多語種文本轉(zhuǎn)語音零基礎到可用的完整實踐創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考 Sage-A1.5 vs Agents-A1 vs Kimi-K3：35B級智能體模型選型終極對比，誰更值得用
大模型基礎模型多模態(tài)AI Agent科研【免費下載鏈接】Sage-A1.5項目地址https://ai.gitcode.com/InternScience/Sage-A1.5點擊查看免費下載Sage-A1.5 是上海AI實驗室推出的35B MoE 智能體模型在前代 Agents-A1 基礎上強化了長程任務執(zhí)行與科研探索能力。本文將它與前代 Agents-A1、旗艦級 Kimi-K3 放在一起做終極對比從性能、能力、部署成本、適用場景四個維度幫你快速判斷35B級智能體模型選型到底誰更值得用。 三個模型一眼看懂定位差異模型定位核心特點Sage-A1.535B MoE 多模態(tài)智能體模型多智能體并行編排、內(nèi)置驗證模式、256K 上下文可擴展至 512KAgents-A1同實驗室前代基座A1Sage-A1.5 的進化基礎長程智能體能力Kimi-K3前沿級大模型遠大于 35B通用 Agent 任務上的能力標桿 一句話概括Sage-A1.5 用 35B 的體量去對標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 個專家、每 token 激活 8 個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)鍵基準成績對比分數(shù)越高越好基準方向Sage-A1.5Agents-A1Kimi-K3GAIA長程搜索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機器學習工程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化學推理66.564.082.5* 開啟 Agentic Orchestration 后的成績怎么讀這張表Sage-A1.5 贏在科研 搜索 指令遵循XBench-DS-2510、IFBench、PinchBench 拿到全場 SOTA科研方向FrontierScience把 Kimi-K3 甩開一倍以上GAIA 長程搜索 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)的任務上仍然領先這符合更大模型更強的直覺。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 負載提升明顯。 Sage-A1.5 的三大殺手锏Agentic Orchestration多智能體編排 通過注冊一個spawn_subagent工具模型可以并行派出多個子智能體各自擁有獨立上下文和工具集獨立調(diào)查后再匯總。這是它 BrowseComp 從 81.7 提升到 82.8、科研任務大幅領先的秘密武器。Verification Mode內(nèi)置驗證模式? 一個可選開關(guān)請求級開啟讓模型在推理過程中主動暫停、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。開放科學發(fā)現(xiàn)Open Scientific Discovery 不只是回答預設問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 如何快速跑起來三個模型中只有 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幾個值得注意的工程細節(jié) 附帶 MTP多 Token 預測權(quán)重 model-mtp.safetensors配合 vLLM/SGLang 的投機解碼可顯著提升生成速度 256K 原生上下文用 YaRNfactor 2.0可擴展到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)論誰更值得用你的場景推薦本地/單卡部署預算有限追求 35B 級最強智能體Sage-A1.5?科研、長程搜索、多智能體編排、文檔理解Sage-A1.5科研方向斷層領先純 API 調(diào)用、通用 Agent 任務、追求單點能力上限Kimi-K3已在用 Agents-A1 的團隊升級到 Sage-A1.5工程負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、要科研和長程任務能力、GPU 資源又有限Sage-A1.5 是目前 35B 級幾乎唯一的答案如果你更看重通用任務上的絕對性能且沒有部署限制Kimi-K3 依然穩(wěn)坐標桿。 相關(guān)資料完整基準表格與部署指南README.md模型結(jié)構(gòu)與 MoE 配置config.json對話模板含 Verification 開關(guān)實現(xiàn)chat_template.jinjaMTP 投機解碼權(quán)重model-mtp.safetensors分片權(quán)重索引model.safetensors.index.json贊分享大模型基礎模型多模態(tài)AI Agent科研【免費下載鏈接】Sage-A1.5項目地址https://ai.gitcode.com/InternScience/Sage-A1.5點擊查看免費下載相關(guān)推薦Qwen3.5-35B-A3B-singprobe vs 獨立8B安全模型流式Guardrail選型終極對比清單該選誰Qwen3.5 35B A3B singprobe vs 獨立8B安全模型流式Guardrail選型終極對比清單該選誰 做流式 Guardrail安全護Kimi-K3-Quark-MXFP4-AttnFP8 對比原版 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 本文帶你全面對比 Kimi K3 QPortabase vs pgBackUp數(shù)據(jù)庫備份工具5大維度實測對比誰更值得選Portabase vs pgBackUp數(shù)據(jù)庫備份工具5大維度實測對比誰更值得選 Portabase 是一款開源的 數(shù)據(jù)庫備份與恢復工具 一個控制臺就上一篇深入理解sonic-rs的SIMD優(yōu)化技術(shù)讓JSON解析速度飛起下一篇MeloTTS 多語種文本轉(zhuǎn)語音零基礎到可用的完整實踐創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考