AREX Feed Article
ModelScope 官宣开源 Sage-A1.5：256K 上下文科研智能体模型，BF16/FP8/GGUF 权重以 Apache 2.0 发布
开源模型社区 的官方账号 @ModelScope2022 于北京时间 10 月 21 日 16 时（UTC 08:00:24）：科研智能体模型 Sage-A1.5 正式开源，256K 上下文，面向长程科学工作流的并行研究与证据核查，以 Apache 2.0 许可提供 BF16、FP8 和 GGUF（量化模型格式，F16/Q8/Q4）三种格式权重，支持 Transformers、vLLM、SGLang 推理框架。截至发稿查询，这条帖子获得 375 次点赞、32,888 次浏览和 229 次收藏。
帖子指向的 显示了这次发布的实际形态：集合内收录 5 个模型仓库和 1 篇论文，发布组织 InternScience 在页面介绍中自述为「上海人工智能实验室 AI for Science 中心的开源枢纽」。官方模型卡写明，Sage-A1.5 是 35B 参数的混合专家（Mixture-of-Experts，MoE）智能体模型，出自上海人工智能实验室，前代为 Agents-A1；技术报告已于 10 月 20 日先行提交 arXiv。
不止官宣：五个权重仓库全部可访问
与官宣三种格式对应的五个仓库都在 ModelScope 的 InternScience 组织下，处于可访问状态，许可字段全部为 apache-2.0。BF16 主仓库 的文件清单里有 14 个 safetensors 分片，合计约 70 GB，另附一个约 1.7 GB 的 MTP（Multi-Token Prediction，多 token 预测）权重文件；单独成库；GGUF 拆成 、 与 三个量化仓库。HuggingFace 侧同步上架：元数据标注 36B 参数、BF16 精度，注明面向 llama.cpp、Ollama、LM Studio 等本地运行时，参数量标注为 35.5B（模型卡口径为 35B）。
主仓库 给出了「256K 上下文」的出处：max_position_embeddings 为 262,144。文件同时显示 model_type 为 qwen3_5_moe（架构类 Qwen3_5MoeForConditionalGeneration），40 层、256 个专家中每 token 激活 8 个，hidden_size 2048，词表 248,320；层类型序列每 4 层安排 1 个 full_attention、其余为 linear_attention 的混合注意力；config 还带 vision_config 和视频预处理配置，仓库标签含 vlm、vision——这是一个多模态模型。
并行调查怎么拆：spawn_subagent 工具协议
模型卡把 Sage-A1.5 相对前代的更新概括为三项能力，其中两个高级模式默认关闭。通过向模型注册一个名为 spawn_subagent 的工具启用：模型把可并行的独立子问题成批派发给子代理，每个子代理有独立上下文窗口和独立工具权限，看不到主对话内容。协议规定每个任务必须自足——task、context、expected_output 三个字段缺一不可；子代理返回单个结构化 JSON（answer、status、evidence、unresolved_issues 四个字段），解不出来时明确返回 UNKNOWN 并标注 unknown 或 insufficient_evidence，而不是硬猜一个答案。默认每次派发上限 5 个任务、每个子代理 20 轮，超批直接报错、不做截断。子代理默认继承主代理的工具集，也可用 subagent_tools 换成更窄的集合；主模型原生支持函数调用，可接 API、代码解释器和搜索引擎。模型卡基准表显示这个开关带来过可见差异：BrowseComp 从关闭时的 81.7 升到开启后的 82.8，DeepResearch-Bench2 从 43.7 升到 47.5。
Verification Mode：不请外部 critic，自查写进推理链
第二个高级模式 Verification Mode（核查模式）同样可选、默认关闭，按请求在 chat_template_kwargs 里传 {"verification": true} 启用，聊天模板会把核查协议追加到 system 消息末尾——因此 system 消息为空或全空白的请求会收到 HTTP 400。启用后，模型在执行轨迹中途停下，复盘哪些结论已确立、哪些尝试已失败，并在同一轮里沿修正后的方向继续；自检过程以 reasoning_content 字段输出，需要与最终回答分开读取。模型卡说明该模式与工具调用互相独立、带不带 tools 都能工作，推理时也不需要额外的 critic 模型——这就是官宣帖中「在模型自身推理内核查证据与假设、重定向停滞搜索、无需独立 critic 模型」一句的技术出处。
自报 SOTA 之外，完整榜单里有输有赢
官宣帖给出的三个头条数字是 PinchBench 90.0、FrontierScience-Olympiad 81.0、FrontierScience-Research 48.3，并称在其报告的比较中领先 Kimi-K3、GLM-5.3 和 GPT-5.6-sol。这些数字全部为厂商自报，未经独立验证。
模型卡的完整表格覆盖 6 个方向约 20 项基准。官方声称「整体 SOTA」的七项清单里，除上述三项外还有 XBench-DS-2510 92.0、IFBench 81.6、CMT 80.0、OmniDocBench 91.5；GAIA 95.1 高于表格中三个更大规模的对比模型，但低于自家前代 Agents-A1 的 96.0。同一张表也记录了落后项：BrowseComp 82.8，低于 Kimi-K3 的 91.2；CritPt 20.0，明显低于 GPT-5.6-sol 的 32.3；Agents' Last Exam（ALE-CLI）19.1，低于三个更大规模模型的 27.6～28.6；HLE（带工具）55.1，低于 GLM-5.3 的 62.5 和 GPT-5.6-sol 的 64.5。
相对前代 A1 的增量集中在工程与智能体负载：SWE-bench Pro 提高 17.6 分，SWE-bench Multilingual 提高 14.0 分，PinchBench 提高 13.1 分，MLE-Lite 提高 21.3 分。
评测协议本身有披露：SWE 系列使用 mini-SWE-agent 框架、温度 1.0、top-p 0.95、200K 上下文窗口、全离线环境；对比模型的数字取自各家原技术报告，未报告的项目用同一协议自行评测；纯文本模型 GLM-5.3 在多模态基准 OmniDocBench 上没有成绩。官方把评测框架代码开源在 的 evaluation 目录，称外部用户可以用同一协议复现这些数字。
三段训练配方、256K 部署命令，与一位本地用户的表态
技术报告与给出训练方法的轮廓：三阶段流程——全域监督微调打底，再用领域级教师模型补专长，最后以多教师 on-policy（在线策略）蒸馏跨域迁移。主页挂出五个科研 showcase：神经科学的脑编码再分析、计算化学的分子结合、凝聚态物理的晶体结构精修、电化学的反应条件优化、荧光斑点检测，均以过程可回看、结果可核查的研究工件形式展示。
部署方面，与模型卡给出 SGLang 和 vLLM 的标准启动命令，都以 --context-length 262144 拉起 256K 服务；官方推荐采样参数为 temperature 1.0、top_p 0.95、top_k 20、min_p 0.0、presence_penalty 1.5、repetition_penalty 1.0。那块 1.7 GB 的 MTP 权重用于投机解码，SGLang 侧走 EAGLE 配置、vLLM 侧走 mtp 配置；在原生 256K 之上，官方还给出用 YaRN（一种 RoPE 位置编码外推方法，factor 2.0）把上下文扩到 512K（524,288）的完整配置。
官宣五个多小时后，自述专注本地部署的独立研究者 AJ（@ItsmeAjayKV，个人简介列着 1 张 3060、1 张 3090 和 64 GB 内存）在 称「35B 是一个需要新模型的区间」，贴出 HuggingFace 上 Q4_K_M GGUF 的链接，表示「我打算试一试」；该帖截至查询获得 80 次点赞。
基准数字目前均为厂商自报、未经独立验证。五个权重仓库已经可以直接下载，评测框架代码已经公开——模型卡写明结果可以用同一协议复现，这一表述能否成立，要靠第三方跑出来的数字回答。