Agents-A1 – 上海 AI Lab開源的混合專家智能體模型

Agents-A1是什麼

Agents-A1是上海AI實驗室開源的35B參數混合專家（MoE）智能體模型，專爲複雜科研任務設計。模型通過知識-行動圖譜構建可驗證長軌跡基礎設施，配套三階段多專家蒸餾訓練，突破大模型依賴海量參數實現複雜推理的侷限。模型在長程搜索、科學推理、指令遵循等任務上表現比肩萬億參數模型。

Agents-A1的主要功能

• 長程自主任務執行：支持持續多步交互、環境反饋與迭代執行，完成複雜科研全流程。
• 科學推理：覆蓋想法生成、方案設計、代碼實現與實驗驗證等多環節。
• 長程搜索：整合多輪信息檢索、交叉驗證與報告生成。
• 工具調用：靈活調用外部工具、API與環境交互，動態調整策略。
• 指令遵循：在複雜約束下完成推理、決策與失敗重規劃。

Agents-A1的技術原理

• 知識-行動圖譜（KAG）：不同於普通知識圖譜，KAG保留答案被獲取、檢驗、修正、驗證的完整軌跡，並通過自博弈不斷擴展高質量長軌跡數據，平均長度約4.5萬token，爲模型提供過程級監督。
• 三階段訓練流程：第一階段進行全域監督微調，獲得通用智能體基礎能力；第二階段面向細分任務訓練多個領域專家模型，針對性強化長程搜索、科學推理、工具調用等專項能力；第三階段通過多領域路由的在線策略蒸餾（OPD），將不同專家能力統一到一個模型中。
• 顯著詞彙對齊的蒸餾：採用多教師域路由在線策略蒸餾，通過顯著詞彙對齊提升跨領域知識遷移效率，將搜索、科學、工程、指令遵循等六個異構領域統一爲單一可部署學生模型。

微信關注回覆“開源”，加入AI開源項目交流羣

如何使用Agents-A1

• 環境準備：克隆 GitHub 代碼倉庫並安裝 Python 依賴，確保 GPU 顯存不低於 48GB 以支撐 35B MoE 模型推理。
• 模型獲取：通過 HuggingFace CLI 或魔搭社區命令行下載 InternScience/Agents-A1 完整權重與配置文件。
• 本地部署：使用 Transformers 庫從本地路徑加載模型，配置 device_map="auto" 實現多卡並行或單卡高效分配。
• 任務執行：在配置文件中註冊搜索 API、代碼解釋器等外部工具後，以自然語言提交科研目標，模型自動分解步驟、調用工具並迭代輸出結果。

Agents-A1的核心優勢

• 小參數大能力：僅35B參數即在SEAL-0、IFBench、HiPhO等基準上比肩或超越萬億參數模型。
• 交互深度Scaling Law：從參數規模橫向擴張轉向交互深度縱向拓展，用更小規模撬動更強複雜任務處理能力。
• 通專融合：單一模型統一覆蓋長程搜索、科學推理、工具調用、指令遵循等多領域。
• 可驗證長軌跡：KAG機制保留完整行動與驗證軌跡，確保過程可追溯、結果可驗證。
• 完全開源：代碼、模型、技術報告全開源，上線10天累計下載超20萬，社區衍生版本持續湧現。

Agents-A1的項目地址

• 項目官網：https://internscience.github.io/Agents-A1/
• GitHub倉庫：https://github.com/InternScience/Agents-A1
• HuggingFace模型庫：https://huggingface.co/InternScience/Agents-A1
• arXiv技術論文：https://arxiv.org/pdf/2606.30616

Agents-A1的同類競品對比

Agents-A1的應用場景