大模型基础模型多模态AI Agent科研【免费下载链接】Sage-A1.5项目地址https://ai.gitcode.com/InternScience/Sage-A1.5点击查看免费下载Sage-A1.5 是上海AI实验室推出的35B MoE 智能体模型在前代 Agents-A1 基础上强化了长程任务执行与科研探索能力。本文将它与前代 Agents-A1、旗舰级 Kimi-K3 放在一起做终极对比从性能、能力、部署成本、适用场景四个维度帮你快速判断35B级智能体模型选型到底谁更值得用。 三个模型一眼看懂定位差异模型定位核心特点Sage-A1.535B MoE 多模态智能体模型多智能体并行编排、内置验证模式、256K 上下文可扩展至 512KAgents-A1同实验室前代基座A1Sage-A1.5 的进化基础长程智能体能力Kimi-K3前沿级大模型远大于 35B通用 Agent 任务上的能力标杆 一句话概括Sage-A1.5 用 35B 的体量去对标前沿旗舰的智能体能力——这正是它最值得关注的地方。从 config.json 可以看到256 个专家、每 token 激活 8 个top-8 MoE、40 层、256K 原生上下文、bf16 精度并带视觉编码器支持图像/视频输入属于小模型、大编排的架构思路。 关键基准成绩对比分数越高越好基准方向Sage-A1.5Agents-A1Kimi-K3GAIA长程搜索95.196.0 92.2BrowseComp深度浏览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机器学习工程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工具调用55.147.656.0ChemCOTBench化学推理66.564.082.5* 开启 Agentic Orchestration 后的成绩怎么读这张表Sage-A1.5 赢在科研 搜索 指令遵循XBench-DS-2510、IFBench、PinchBench 拿到全场 SOTA科研方向FrontierScience把 Kimi-K3 甩开一倍以上GAIA 长程搜索 95.1甚至反超 Kimi-K3 的 92.2。Kimi-K3 赢在体量BrowseComp、VitaBench、ChemCOTBench 等偏通用/专业的任务上仍然领先这符合更大模型更强的直觉。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工程与 Agent 负载提升明显。 Sage-A1.5 的三大杀手锏Agentic Orchestration多智能体编排 通过注册一个spawn_subagent工具模型可以并行派出多个子智能体各自拥有独立上下文和工具集独立调查后再汇总。这是它 BrowseComp 从 81.7 提升到 82.8、科研任务大幅领先的秘密武器。Verification Mode内置验证模式✅ 一个可选开关请求级开启让模型在推理过程中主动暂停、自查已建立的结论与失败的尝试再修正方向——不需要外部裁判模型。开启逻辑见 chat_template.jinja。开放科学发现Open Scientific Discovery 不只是回答预设问题而是能开展探索式研究交互式分析、产出可检查的研究工件。FrontierScience-Research 48.3 vs Kimi-K3 的 21.7差距非常悬殊。 部署成本Sage-A1.5 如何快速跑起来三个模型中只有 Sage-A1.5 是开源权重本地单卡即可部署。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几个值得注意的工程细节 附带 MTP多 Token 预测权重 model-mtp.safetensors配合 vLLM/SGLang 的投机解码可显著提升生成速度 256K 原生上下文用 YaRNfactor 2.0可扩展到512K完整命令见 README.md️ 官方推荐采样参数temperature1.0、top_p0.95、top_k20、presence_penalty1.5✅ 选型结论谁更值得用你的场景推荐本地/单卡部署预算有限追求 35B 级最强智能体Sage-A1.5⭐科研、长程搜索、多智能体编排、文档理解Sage-A1.5科研方向断层领先纯 API 调用、通用 Agent 任务、追求单点能力上限Kimi-K3已在用 Agents-A1 的团队升级到 Sage-A1.5工程负载全面大幅提升总结如果你正在做智能体模型选型——要开源自部署、要科研和长程任务能力、GPU 资源又有限Sage-A1.5 是目前 35B 级几乎唯一的答案如果你更看重通用任务上的绝对性能且没有部署限制Kimi-K3 依然稳坐标杆。 相关资料完整基准表格与部署指南README.md模型结构与 MoE 配置config.json对话模板含 Verification 开关实现chat_template.jinjaMTP 投机解码权重model-mtp.safetensors分片权重索引model.safetensors.index.json赞分享大模型基础模型多模态AI Agent科研【免费下载链接】Sage-A1.5项目地址https://ai.gitcode.com/InternScience/Sage-A1.5点击查看免费下载相关推荐Qwen3.5-35B-A3B-singprobe vs 独立8B安全模型流式Guardrail选型终极对比清单该选谁Qwen3.5 35B A3B singprobe vs 独立8B安全模型流式Guardrail选型终极对比清单该选谁 做流式 Guardrail安全护Kimi-K3-Quark-MXFP4-AttnFP8 对比原版 Kimi-K3精度、体积与 ROCm 生态选型终极指南Kimi K3 Quark MXFP4 AttnFP8 对比原版 Kimi K3精度、体积与 ROCm 生态选型终极指南 本文带你全面对比 Kimi K3 QPortabase vs pgBackUp数据库备份工具5大维度实测对比谁更值得选Portabase vs pgBackUp数据库备份工具5大维度实测对比谁更值得选 Portabase 是一款开源的 数据库备份与恢复工具 一个控制台就上一篇深入理解sonic-rs的SIMD优化技术让JSON解析速度飞起下一篇MeloTTS 多语种文本转语音零基础到可用的完整实践创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Sage-A1.5 vs Agents-A1 vs Kimi-K3：35B级智能体模型选型终极对比，谁更值得用
大模型基础模型多模态AI Agent科研【免费下载链接】Sage-A1.5项目地址https://ai.gitcode.com/InternScience/Sage-A1.5点击查看免费下载Sage-A1.5 是上海AI实验室推出的35B MoE 智能体模型在前代 Agents-A1 基础上强化了长程任务执行与科研探索能力。本文将它与前代 Agents-A1、旗舰级 Kimi-K3 放在一起做终极对比从性能、能力、部署成本、适用场景四个维度帮你快速判断35B级智能体模型选型到底谁更值得用。 三个模型一眼看懂定位差异模型定位核心特点Sage-A1.535B MoE 多模态智能体模型多智能体并行编排、内置验证模式、256K 上下文可扩展至 512KAgents-A1同实验室前代基座A1Sage-A1.5 的进化基础长程智能体能力Kimi-K3前沿级大模型远大于 35B通用 Agent 任务上的能力标杆 一句话概括Sage-A1.5 用 35B 的体量去对标前沿旗舰的智能体能力——这正是它最值得关注的地方。从 config.json 可以看到256 个专家、每 token 激活 8 个top-8 MoE、40 层、256K 原生上下文、bf16 精度并带视觉编码器支持图像/视频输入属于小模型、大编排的架构思路。 关键基准成绩对比分数越高越好基准方向Sage-A1.5Agents-A1Kimi-K3GAIA长程搜索95.196.0 92.2BrowseComp深度浏览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机器学习工程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工具调用55.147.656.0ChemCOTBench化学推理66.564.082.5* 开启 Agentic Orchestration 后的成绩怎么读这张表Sage-A1.5 赢在科研 搜索 指令遵循XBench-DS-2510、IFBench、PinchBench 拿到全场 SOTA科研方向FrontierScience把 Kimi-K3 甩开一倍以上GAIA 长程搜索 95.1甚至反超 Kimi-K3 的 92.2。Kimi-K3 赢在体量BrowseComp、VitaBench、ChemCOTBench 等偏通用/专业的任务上仍然领先这符合更大模型更强的直觉。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工程与 Agent 负载提升明显。 Sage-A1.5 的三大杀手锏Agentic Orchestration多智能体编排 通过注册一个spawn_subagent工具模型可以并行派出多个子智能体各自拥有独立上下文和工具集独立调查后再汇总。这是它 BrowseComp 从 81.7 提升到 82.8、科研任务大幅领先的秘密武器。Verification Mode内置验证模式✅ 一个可选开关请求级开启让模型在推理过程中主动暂停、自查已建立的结论与失败的尝试再修正方向——不需要外部裁判模型。开启逻辑见 chat_template.jinja。开放科学发现Open Scientific Discovery 不只是回答预设问题而是能开展探索式研究交互式分析、产出可检查的研究工件。FrontierScience-Research 48.3 vs Kimi-K3 的 21.7差距非常悬殊。 部署成本Sage-A1.5 如何快速跑起来三个模型中只有 Sage-A1.5 是开源权重本地单卡即可部署。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几个值得注意的工程细节 附带 MTP多 Token 预测权重 model-mtp.safetensors配合 vLLM/SGLang 的投机解码可显著提升生成速度 256K 原生上下文用 YaRNfactor 2.0可扩展到512K完整命令见 README.md️ 官方推荐采样参数temperature1.0、top_p0.95、top_k20、presence_penalty1.5✅ 选型结论谁更值得用你的场景推荐本地/单卡部署预算有限追求 35B 级最强智能体Sage-A1.5⭐科研、长程搜索、多智能体编排、文档理解Sage-A1.5科研方向断层领先纯 API 调用、通用 Agent 任务、追求单点能力上限Kimi-K3已在用 Agents-A1 的团队升级到 Sage-A1.5工程负载全面大幅提升总结如果你正在做智能体模型选型——要开源自部署、要科研和长程任务能力、GPU 资源又有限Sage-A1.5 是目前 35B 级几乎唯一的答案如果你更看重通用任务上的绝对性能且没有部署限制Kimi-K3 依然稳坐标杆。 相关资料完整基准表格与部署指南README.md模型结构与 MoE 配置config.json对话模板含 Verification 开关实现chat_template.jinjaMTP 投机解码权重model-mtp.safetensors分片权重索引model.safetensors.index.json赞分享大模型基础模型多模态AI Agent科研【免费下载链接】Sage-A1.5项目地址https://ai.gitcode.com/InternScience/Sage-A1.5点击查看免费下载相关推荐Qwen3.5-35B-A3B-singprobe vs 独立8B安全模型流式Guardrail选型终极对比清单该选谁Qwen3.5 35B A3B singprobe vs 独立8B安全模型流式Guardrail选型终极对比清单该选谁 做流式 Guardrail安全护Kimi-K3-Quark-MXFP4-AttnFP8 对比原版 Kimi-K3精度、体积与 ROCm 生态选型终极指南Kimi K3 Quark MXFP4 AttnFP8 对比原版 Kimi K3精度、体积与 ROCm 生态选型终极指南 本文带你全面对比 Kimi K3 QPortabase vs pgBackUp数据库备份工具5大维度实测对比谁更值得选Portabase vs pgBackUp数据库备份工具5大维度实测对比谁更值得选 Portabase 是一款开源的 数据库备份与恢复工具 一个控制台就上一篇深入理解sonic-rs的SIMD优化技术让JSON解析速度飞起下一篇MeloTTS 多语种文本转语音零基础到可用的完整实践创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考