‏Sage A1.5: مدل متن‌باز برای تحقیق چندمرحله‌ای

Sage A1.5 یه مدل mixture of experts (یعنی مدلی که برای هر توکن فقط بخشی از پارامترهاش فعال می‌شه) با ۳۵ میلیارد پارامتره. سازنده‌ش InternScience هست، همون گروه شانگهایی که قبلاً Agent A1 رو داده بود، و مدل روی Qwen 3.5 MoE ساخته شده. هدفش کارهای agentic تو علم و مهندسیه، یعنی کارهایی که مدل باید چند مرحله پشت سر هم برنامه بریزه، ابزار صدا بزنه و جواب‌ها رو بررسی کنه. ورودی تصویر و متن هم قبول می‌کنه.

به گفتهٔ نویسنده جالب‌ترین بخش، روش آموزشه که دو مرحله داره. اول برای هر حوزه (جستجوی طولانی، مهندسی نرم‌افزار، تحقیق علمی) یه مدل «معلم» جدا تو محیط مخصوص خودش آموزش می‌بینه. بهترین مسیرهای حل مسئله انتخاب می‌شن و با supervised fine-tuning و بعد reinforcement learning تقویت می‌شن. نتیجه چند تا متخصص باریک‌بینه که هر کدوم تو یه کار خیلی خوبن.

تو مرحلهٔ دوم این معلم‌ها تو یه مدل ادغام می‌شن. اینجا دو سیگنال با هم استفاده می‌شه: پاداش برای جواب درست، و on-policy distillation، یعنی هر معلم روی متنی که خود مدل شاگرد تولید می‌کنه توکن به توکن نظر می‌ده. نویسنده می‌گه این با آموزش یه مدل عمومی روی دیتای قاطی فرق داره. ایده اینه که مدل همه‌کاره تو هیچ مهارتی ضعیف نشه.

روی چهار مهارت حوزه‌ای (جستجو، مهندسی نرم‌افزار، مهندسی ML و علم) دو لایهٔ اجرایی هم هست. orchestration یعنی مدل کار رو تیکه می‌کنه، به چند sub-agent موازی می‌ده و نتیجه‌ها رو جمع می‌کنه. verification یعنی شواهد جمع می‌کنه، قضاوت خودش رو دوباره نگاه می‌کنه و اگه چیزی جور نبود مسیر رو عوض می‌کنه، به جای اینکه رو اولین جواب بمونه.

تو تست با Hermes Agent، مدل یه gravity assist شبیه Voyager دور مشتری رو شبیه‌سازی کرده. بیشتر از یه ساعت کار کرده، چهار tool call زده و یه اسکریپت Python با یه انیمیشن HTML تحویل داده. سرعت به‌دست‌اومده (۹.۹۹۶ کیلومتر بر ثانیه) تا سه رقم اعشار با پیش‌بینی تحلیلی یکی بوده. تو تست بعدی، بررسی علمی طالع‌بینی رو بین سه sub-agent (ستاره‌شناس، فیزیک‌دان، آمارشناس) پخش کرده، با یه agent دیگه چک کرده و یه گزارش وب ساخته. تو تحلیل یه عکس هم کنار حدس‌هاش درصد اطمینان گذاشته و گفته چی رو نمی‌شه فهمید.

بنچمارک‌های خود InternScience مدل رو هم‌سطح یا جلوتر از GLM 5.3، Kimi K3 و مدل‌های کلاس GPT-5.6 نشون می‌دن. ولی نویسنده هشدار می‌ده که بنچمارک‌های agentic راحت دستکاری می‌شن و خروجی واقعی تست‌ها شاهد محکم‌تریه. مدل با لایسنس Apache 2.0 روی Hugging Face منتشر شده و با llama.cpp حدود ۳۸ گیگ VRAM مصرف کرده که با کم کردن context کمتر هم می‌شه. برای چت عمومی هم بهینه نشده.

نکات کلیدی:

• Sage A1.5 یه مدل MoE با ۳۵ میلیارد پارامتره که روی Qwen 3.5 MoE ساخته شده
• آموزش دو مرحله‌ایه: معلم‌های جدا برای هر حوزه، بعد ادغام با reward و on-policy distillation
• دو لایهٔ اجرایی داره: orchestration برای پخش کار بین sub-agentها و verification برای چک کردن نتیجه
• شبیه‌سازی مشتری سرعت ۹.۹۹۶ km/s داد که تا سه رقم اعشار با تئوری یکی بود
• لایسنس Apache 2.0 داره و با llama.cpp حدود ۳۸ گیگ VRAM مصرف می‌کنه
• بنچمارک‌ها از خود سازنده‌ست و هنوز بررسی مستقل گسترده‌ای نشده