Sage-A1.5: Agentisches 35B-MoE-Modell für wissenschaftliche Aufgaben
Das Shanghai AI Laboratory veröffentlicht Sage-A1.5, ein auf Qwen3.6 basierendes MoE-Modell mit Subagent-Orchestrierung und Verifikationsmodus für lange wissenschaftliche Aufgaben.
Worum es geht
InternScience (Shanghai AI Laboratory) veröffentlicht Sage-A1.5, ein agentisches Mixture-of-Experts-Modell mit rund 35 Mrd. Parametern. Es basiert auf Qwen3.6-35B-A3B und Agents-A1 und soll lange, mehrstufige wissenschaftliche Aufgaben lösen.
Die wichtigsten Fakten
- Architektur: MoE (qwen3_5_moe), Vision-Language-fähig, laut Metadaten 36 Mrd. Parameter
- Lizenz: Apache-2.0
- Kompatibel mit Transformers, vLLM und SGLang
- Agentic Orchestration: Aufgabenverteilung an parallele Subagents mit isolierten Kontexten
- Verification Mode: optionale Selbstprüfung innerhalb der Chain of Thought, ohne externen Kritiker
- Natives Function Calling und Tool Use
- Technical Report auf arXiv, Code auf GitHub, Gewichte auch bei ModelScope
Einordnung
Die Kombination aus Subagent-Parallelisierung und eingebauter Verifikation ist für Agenten-Setups interessant. Da nur etwa 3 Mrd. Parameter aktiv sein dürften (wie beim Basismodell), ist lokale Nutzung mit quantisierten Varianten plausibel, braucht aber dennoch Speicher für alle Experten. Benchmark-Zahlen liegen im Auszug nicht vor, daher ist die tatsächliche Leistung unklar.
Selbst ausprobieren
Sage-A1.5 auf deinem Rechner oder kostenlos in Google Colab.
ollama run hf.co/InternScience/Sage-A1.5-Q4_K_M-GGUFGoogle Colab
- Notebook herunterladen: colab.ipynb
- colab.research.google.com öffnen → Datei → Notebook hochladen
- Laufzeit → Laufzeittyp ändern → GPU (T4)
- Laufzeit → Alle ausführen – fertig.
Linux
bash try_linux.sh
# oder mit Python/transformers statt Ollama:
MODE=hf bash try_linux.shDie Skripte werden automatisch erzeugt. Bitte vor dem Ausführen kurz ansehen und die Model Card lesen – manche Modelle brauchen spezielle Versionen.
