---
title: "Agents-A1 – 上海 AI Lab开源的混合专家智能体模型"
url: "https://paooo.com/aigc-news/29431/"
author: "Prompt 语宙研究院"
published_at: "2026-07-11T15:09:44+08:00"
updated_at: "2026-07-11T15:09:44+08:00"
categories: "AIGC 资讯"
tags: "AI智能体, AI编程, HuggingFace, 大模型微调, 开源大模型"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# Agents-A1 – 上海 AI Lab开源的混合专家智能体模型

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/29431/) · 作者：Prompt 语宙研究院 · 发布时间：2026-07-11

## AI 30 秒核心看点 (TL;DR)

- 35B参数MoE却能在长程搜索、科学推理等任务上比肩万亿参数模型。
- KAG知识-行动图谱保留完整验证轨迹，配合三阶段蒸馏提升可追溯与可验证能力。
- 适合自动化科研、复杂信息检索、长程代码开发等高交互任务，且已完全开源。

## 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

维度
Agents-A1
[Kimi-K2.6](https://ai-bot.cn/kimi-k2-6/)

参数规模
35B MoE
~1T

开源
**是**
否

定位
长程科研智能体
通用对话助手

长程交互优化
**核心架构设计**
部分支持

SEAL-0
**56.4**
50.0

IFBench
**80.6**
71.8

HiPhO
**46.4**
37.7

FrontierScience-Olympiad
**79.0**
76.0

训练范式
知识-行动图谱+多专家蒸馏
传统预训练+后训练

## Agents-A1的应用场景

- 
**自动化科研**：覆盖文献综述、实验设计、数据分析到结果验证的全流程科研任务自动化。

- 
**机器学习工程**：自动完成模型选型、特征工程、超参调优与模型集成等复杂工程迭代。

- 
**复杂信息检索**：执行多轮深度搜索、信息交叉验证并生成结构化研究报告。

- 
**长程代码开发**：支撑大型项目编程、调试、性能优化与自动化代码审查。

- 
**科学计算**：辅助数学证明、化学分子模拟、生物信息学数据分析等计算密集型任务。

## 常见问题解答 (FAQ)

### Agents-A1适合做什么任务？
Agents-A1主要面向复杂科研与长程交互任务，适合自动化科研、科学推理、复杂信息检索、长程代码开发和科学计算等场景，可持续多步执行并结合工具迭代输出结果。

### Agents-A1为什么只有35B却表现很强？
它不是单纯依赖参数堆叠，而是通过知识-行动图谱构建可验证长轨迹数据，再结合三阶段多专家蒸馏训练，把长程搜索、科学推理和工具调用能力统一到一个可部署模型中。

### Agents-A1怎么本地部署使用？
先克隆仓库并安装Python依赖，确保GPU显存不低于48GB；再通过HuggingFace或魔搭下载InternScience/Agents-A1权重，使用Transformers加载，并在配置中注册搜索API、代码解释器等工具后即可执行任务。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)