Agents‑A1：以 35B 参数智能体实现万亿参数级性能

InternScience 团队于 2026 年 6 月开源了 Agents‑A1，这是一个 35B 参数的混合专家智能体模型。它通过扩展长程任务轨迹和异构能力（涵盖搜索、工程、科研、指令遵循与工具调用）而非单纯增大参数规模，达到了可与万亿参数模型媲美的性能。后续还将发布 4B 量化版本以支持本地部署。

此前大模型性能提升主要依赖参数扩张，而 Agents‑A1 证明：通过横向扩展智能体能力（长程任务、多领域工具调用），较小的 MoE 模型也能达到同等效果，可能重塑模型研发成本与部署策略。

Agents‑A1 采用混合专家架构，在训练中同时扩展轨迹长度与智能体技能多样性，使模型学会在长链条任务中灵活调用多种能力，从而用更少参数覆盖更广场景，降低对算力的依赖。

开发者可用 35B 甚至 4B 模型替代千亿参数模型，显著降低推理成本和内存占用；支持 Hugging Face Transformers、vLLM、SGLang 等框架，集成门槛低；适合构建本地 AI 助手或工具调用型产品。

• 基于 4B 量化版开发轻量级本地 AI 助手，无需联网即可运行。
• 利用其长程搜索与工程能力，打造自动化代码生成与调试工具。
• 结合工具调用特性，构建企业级智能体工作流（如自动处理多步骤业务流程）。
• 针对科研场景，用该模型辅助文献分析、实验设计与结果解读。

• 证据未提供技术报告全文，无法评估其在长程任务上的具体评测指标。
• 4B 版本实际性能相比原版下降多少尚需验证。
• 模型对中文指令的支持程度与多语言效果未知。
• 是否提供商业友好许可（如 Apache 2.0）还是仅科研用途未明确。