AI-modeller
Tillbaka
Shanghai AI Laboratory
Shanghai AI Laboratory Modell Öppna vikter

Sage-A1.5

En öppen agentmodell på 35 miljarder parametrar som kan dela upp stora uppgifter på parallella underagenter, granska sitt eget arbete under tiden och bedriva egna vetenskapliga undersökningar.

  • Agenter
  • Resonemang
  • Kod
  • Forskning & vetenskap
  • Sök & kunskap
  • Bildförståelse
Testresultat för Sage-A1.5 jämfört med andra modeller (Shanghai AI Laboratorys egen mätning) 1 / 2

Testresultat för Sage-A1.5 jämfört med andra modeller (Shanghai AI Laboratorys egen mätning) [2]

Om Sage-A1.5[1][2][3][4]

Sage-A1.5 är en öppen AI-modell från Shanghai AI Laboratory (gruppen InternScience) byggd för att arbeta som agent: den planerar, använder verktyg, söker information och skriver kod under långa arbetspass. Den är en Mixture-of-Experts-modell på 35 miljarder parametrar som bygger på Qwen3.6-35B-A3B och på labbets tidigare agentmodell Agents-A1. Modellen kan även ta emot bilder.

Tre nya förmågor lyfts fram. Med agentorkestrering kan modellen dela upp ett problem på flera underagenter som arbetar parallellt med egna sammanhang, ifrågasätter varandras antaganden och sedan slår ihop sina resultat. Med agentverifiering, som man slår på vid behov, stannar modellen upp mitt i arbetet, granskar vad den har kommit fram till och vad som misslyckats, och byter strategi utan någon extern granskare. Den tredje förmågan är öppen vetenskaplig utforskning: att inte bara svara på givna frågor utan genomföra egna undersökningar med analyser, figurer och rapporter som går att granska.

Modellen tränades i tre steg: bred finjustering på agentuppgifter, separata lärarmodeller för olika områden och till sist destillation från flera lärare samtidigt. På projektsidan visas exempel inom neurovetenskap, beräkningskemi, kondenserade materiens fysik, elektrokemi och mikroskopi.

Enligt Shanghai AI Laboratory konkurrerar modellen med betydligt större system som Kimi-K3, GLM-5.3 och GPT-5.6-sol, och har bäst resultat av alla jämförda modeller på bland annat XBench-DS-2510, IFBench, PinchBench, FrontierScience och OmniDocBench. Vikterna är fria under Apache 2.0, och det finns även komprimerade versioner (FP8 och GGUF) för att köra modellen på egen hårdvara.

Det viktigaste[1][2]

  • Kan fördela en uppgift på flera underagenter som arbetar parallellt och sedan väga ihop deras resultat.
  • Kan pausa mitt i arbetet för att granska sina egna framsteg och byta strategi, utan extern granskare.
  • Enligt Shanghai AI Laboratory bäst av alla jämförda modeller på bland annat XBench-DS-2510 (92,0), IFBench (81,6), PinchBench (90,0) och FrontierScience-Olympiad (81,0).
  • Enligt Shanghai AI Laboratory når den 95,1 på GAIA, högre än alla större modeller de jämför med.
  • Enligt Shanghai AI Laboratory klart bättre än föregångaren Agents-A1 på programmering, till exempel +17,6 poäng på SWE-bench Pro.
  • Öppna vikter under Apache 2.0, även i komprimerade FP8- och GGUF-versioner.

Källor

  1. [1]
    Sage-A1.5: From Long-Horizon Execution to Scientific Exploration with Capability Composition ↗
    Shanghai AI Laboratory (InternScience) Officiell sida alpha-innovator.github.io
    Publicerad okänt datum Läst 25 okt 2026
  2. [4]
    Cybersecurity chaos, AI for DNA, Kimi K3.1, Claude Duet, Dessa, Fibo 2, Minimax 3.1: AI NEWS ↗
    AI Search Video youtube.com
    Publicerad 24 okt 2026 Läst 25 okt 2026
  3. [3]
    Sage-A1.5: From Long-Horizon Execution to Scientific Exploration with Capability Composition ↗
    arXiv Forskningsartikel arxiv.org
    Publicerad 20 okt 2026 Läst 25 okt 2026
  4. [2]
    Sage-A1.5 ↗
    Shanghai AI Laboratory (InternScience) Modellkort huggingface.co
    Publicerad 15 okt 2026 Läst 25 okt 2026

Historik

  1. 25 okt 2026
    Tillagd i listan efter AI Search-videon. [4]

Vår bedömning

Inte bedömd än. Alla kan ändra.

Kommentarer

Inga kommentarer än. Skriv gärna vilket projekt den kan passa i.

⌘/Ctrl + Enter

Mer från Shanghai AI Laboratory