AREX Feed Article
上海 AI 实验室官宣 Sage-A1.5 正式公开发布，vLLM 同日宣布 Day-0 支持
10 月 22 日，上海人工智能实验室（权重发布于 InternScience 组织下）的科研智能体（agentic）模型 Sage-A1.5 正式公开发布：项目账号 SageAI（@sageai_official）于 UTC 08:57（北京时间 16:57），宣布 35B MoE（3B 激活）模型上线；27 分钟后，推理框架 vLLM 官方账号——当天即可用一条 vllm serve InternScience/Sage-A1.5 在本地启动服务。
这轮发布前一天已有前奏：10 月 21 日，项目方先通过 ModelScope 官方账号官宣开源，口径为 256K 上下文、以 Apache 2.0 协议提供 BF16/FP8/GGUF 权重，权重同步上架 。10 月 22 日的两条官宣，补上了框架首日接入这一环。
官宣帖与 vLLM 的 Day-0 帖：各自说了什么
SageAI 账号 UTC 08:57 的发布帖列出以下要点：模型为 35B MoE（3B 激活）；主打 agentic orchestration（并行生成子代理）与 agentic verification（执行中自纠错）；训练侧表述为 “RSI Data Flywheel”，即模型经由真实科学发现工作流与数万个合成环境演化；自报在 FS-Olympiad、FS-Research、CMT、PinchBench 四项基准上超越 frontier（前沿）级模型。帖子还给出本地运行路径（vLLM、SGLang、llama.cpp、LM Studio，Q4_K_M 量化约 20GB），附 Hugging Face 与 ModelScope 权重链接，以及 上的免费试用入口。
UTC 09:24，vLLM 官方账号发帖宣布 “Day-0 vLLM support”，标注模型来自上海 AI 实验室，给出命令 vllm serve InternScience/Sage-A1.5，同时向 @sageai_official 道贺。按框架方自己的说法，模型发布当天就能直接部署为在线服务；首日生态接入由框架方确认，而非只停留在项目方的单方面声明里。
Day-0 接入的落点：权重卡里的 vLLM 部署配置
在发布日前就已挂出（页面创建于 10 月 15 日、10 月 21 日更新），其 Usage 一节与 vLLM 的 Day-0 表态互相衔接：标准部署为单卡启动一个 256K 上下文的服务端点，需指定 --reasoning-parser qwen3 与 --tool-call-parser qwen3_coder 并开启自动工具选择；纯文本部署可加 --language-model-only 跳过视觉编码器，把显存让给 KV cache（键值缓存）；另可选 MTP（Multi-Token Prediction，多 token 预测）投机解码，配置 3 个投机 token、moe_backend 为 triton。超长上下文方面，权重卡写明原生 256K，可用 YaRN（factor 2.0）经 --hf-overrides 扩展到 512K，并注明 vLLM 已不支持旧的 --rope-scaling 参数。
权重兼容 Transformers、vLLM、SGLang，卡上另附 SGLang 启动配置（含 EAGLE 投机解码变体）；发布帖把 llama.cpp 与 LM Studio 也列入本地运行选项。想复现部署的研究者，在发布当天就能从权重卡拿到解析器、上下文长度与投机解码的逐条参数。
并行子代理、链内自校验与开放科学发现：三项能力的机制
权重卡称 Sage-A1.5 建于 A1 之上，面向长程科学问题求解。前代 Agents-A1（35B-A3B）已在 开源（仓库 News 记录为 2026 年 6 月 26 日），采用 Apache 2.0 许可。Sage-A1.5 主打的三项能力在卡上有具体机制：
- Agentic Orchestration：向模型注册
spawn_subagent工具后，模型可把独立子问题并行派发给多个子代理；每个子代理持有独立上下文与工具集，看不到主对话，任务描述必须自包含（task、context、expected_output 均为必填），返回{answer, status, evidence, unresolved_issues}结构化结果。 - Verification Mode：默认关闭的自审能力，运行在模型自身思维链内——模型在轨迹中途停下，盘点哪些进展已确立、哪些尝试已失败，再在同一轮内按修正后的方向继续，不依赖外部评审模型（critic）。
- Open Scientific Discovery：把能力从回答预设问题扩展到探索式研究，连接科学探究与交互分析，产出可检查的研究工件。
以上机制均出自权重卡；“RSI Data Flywheel” 的训练表述出自发布帖；技术细节见权重卡链接的技术报告（，10 月 20 日提交）。
自报基准的口径：对比更大模型的成绩与未验证边界
权重卡与官方基准图对比了同量级的约 35B 模型（Agents-A1、Ornith-1.5）和更大规模模型（Kimi-K3、GLM-5.3、GPT-5.6-sol）：
按权重卡口径，Sage-A1.5 在 XBench-DS-2510（92.0）、IFBench（81.6）、PinchBench（90.0）、FrontierScience-Olympiad（81.0）、FrontierScience-Research（48.3）、CMT（80.0）、OmniDocBench（91.5）上取得所比模型中的最高分；GAIA 95.1 高于表中三款更大规模模型（Kimi-K3 与 GLM-5.3 均为 92.2，GPT-5.6-sol 为 88.3），但仍低于同量级的 Agents-A1（96.0）。与自家前代 A1 相比，SWE-bench Pro 从 43.6 提升至 61.2（+17.6）、SWE-bench Multilingual +14.0、MLE-Lite +21.3、PinchBench +13.1。权重卡还注明 SWE 系列的评测条件：mini-SWE-agent 框架、temperature 1.0、top-p 0.95、200K 上下文、全程离线。
这些成绩均为厂商自报，截至发布当日，公开渠道尚无独立验证结果；vLLM 的 Day-0 发帖确认的是接入，不涉及对基准数字的复核。下一个可核验的节点，是第三方复跑 XBench-DS-2510、GAIA、SWE-bench Pro 等基准后给出的数字。