Agents-A1 – 上海 AI Lab开源的混合专家智能体模型

Agents-A1是什么

Agents-A1是上海AI实验室开源的35B参数混合专家（MoE）智能体模型，专为复杂科研任务设计。模型通过知识-行动图谱构建可验证长轨迹基础设施，配套三阶段多专家蒸馏训练，突破大模型依赖海量参数实现复杂推理的局限。模型在长程搜索、科学推理、指令遵循等任务上表现比肩万亿参数模型。

Agents-A1的主要功能

• 长程自主任务执行：支持持续多步交互、环境反馈与迭代执行，完成复杂科研全流程。
• 科学推理：覆盖想法生成、方案设计、代码实现与实验验证等多环节。
• 长程搜索：整合多轮信息检索、交叉验证与报告生成。
• 工具调用：灵活调用外部工具、API与环境交互，动态调整策略。
• 指令遵循：在复杂约束下完成推理、决策与失败重规划。

Agents-A1的技术原理

• 知识-行动图谱（KAG）：不同于普通知识图谱，KAG保留答案被获取、检验、修正、验证的完整轨迹，并通过自博弈不断扩展高质量长轨迹数据，平均长度约4.5万token，为模型提供过程级监督。
• 三阶段训练流程：第一阶段进行全域监督微调，获得通用智能体基础能力；第二阶段面向细分任务训练多个领域专家模型，针对性强化长程搜索、科学推理、工具调用等专项能力；第三阶段通过多领域路由的在线策略蒸馏（OPD），将不同专家能力统一到一个模型中。
• 显著词汇对齐的蒸馏：采用多教师域路由在线策略蒸馏，通过显著词汇对齐提升跨领域知识迁移效率，将搜索、科学、工程、指令遵循等六个异构领域统一为单一可部署学生模型。

微信关注回复“开源”，加入AI开源项目交流群

如何使用Agents-A1

• 环境准备：克隆 GitHub 代码仓库并安装 Python 依赖，确保 GPU 显存不低于 48GB 以支撑 35B MoE 模型推理。
• 模型获取：通过 HuggingFace CLI 或魔搭社区命令行下载 InternScience/Agents-A1 完整权重与配置文件。
• 本地部署：使用 Transformers 库从本地路径加载模型，配置 device_map="auto" 实现多卡并行或单卡高效分配。
• 任务执行：在配置文件中注册搜索 API、代码解释器等外部工具后，以自然语言提交科研目标，模型自动分解步骤、调用工具并迭代输出结果。

Agents-A1的核心优势

• 小参数大能力：仅35B参数即在SEAL-0、IFBench、HiPhO等基准上比肩或超越万亿参数模型。
• 交互深度Scaling Law：从参数规模横向扩张转向交互深度纵向拓展，用更小规模撬动更强复杂任务处理能力。
• 通专融合：单一模型统一覆盖长程搜索、科学推理、工具调用、指令遵循等多领域。
• 可验证长轨迹：KAG机制保留完整行动与验证轨迹，确保过程可追溯、结果可验证。
• 完全开源：代码、模型、技术报告全开源，上线10天累计下载超20万，社区衍生版本持续涌现。

Agents-A1的项目地址

• 项目官网：https://internscience.github.io/Agents-A1/
• GitHub仓库：https://github.com/InternScience/Agents-A1
• HuggingFace模型库：https://huggingface.co/InternScience/Agents-A1
• arXiv技术论文：https://arxiv.org/pdf/2606.30616

Agents-A1的同类竞品对比

Agents-A1的应用场景