InternScience 开源 Agents A1：35B 智能体模型，部分基准逼近万亿巨头

Agents A1 是 InternScience 开源的 350 亿参数混合专家模型，专门用来解决需要多步骤拆解、长流程搜索和频繁调用外部工具的复杂任务。

它的核心逻辑不是做简单的日常对话，而是一个能自己持续运转的智能体。你给它一个复杂目标，它会自主拆分步骤、调用代码解释器或搜索引擎等外部工具，并根据中间执行结果随时调整策略，直到最终完成任务。

它能做什么与测试表现

根据官方公布的评测数据，Agents A1 在多个重度依赖推理与工具调用的基准上，表现逼近甚至超越了部分参数量超过万亿的行业顶尖模型。

在评估通用智能体能力的 GAIA 测试中，它拿下了 96.0 分；在指令遵循评测 IFEval 上取得了 94.8 分，IFBench 达到 80.6 分。在长流程搜索 BrowseComp 上得分 75.5，代码与工程相关的 XBench-DS-2510 达到 86.0 分。

它在硬核科学基准上的表现尤其亮眼。在带工具支持的 Humanity’s Last Exam 测试中获得 47.6 分，FrontierScience 奥赛和科研子项分别拿到 79.0 和 40.0 分，物理竞赛 HiPhO 拿下 46.4 分，材料生物类的 MolBench-bind 达到 56.8 分，综合表现在 35B 级别里全面压制同尺寸的 Qwen 35B，甚至在部分测试中超越了 GPT-5.5、Kimi K2.6 以及 DeepSeek V4 Pro。

模型之所以能在中等体量下跨级挑战，主要依赖其三阶段训练架构。团队先通过全领域监督微调打底，再在各个垂直领域训练专家教师模型，最后通过多教师跨领域在线蒸馏把专业能力注入到这颗 35B 模型中，同时结合真实动作和验证反馈来拉长模型的长程规划能力。

怎么跑起来与硬件门槛

Agents A1 的完整模型权重、评估代码和技术报告均已在 Hugging Face 开源，并原生支持 262K 上下文窗口。

部署方面，模型兼容 Transformers、vLLM 以及 SGLang 推理框架。如果你使用 SGLang，可以通过启动参数直接指定 qwen3 推理器以及专用的工具调用解析器，一条命令就能在本地拉起兼容 OpenAI 格式的 API 接口。

存储和显存占用对个人开发者比较友好。完整精度权重约 70GB，需要高端显卡支持；官方同步放出的 FP8 版本缩小到了 37.7GB；而 Q4 量化版体积仅有 21GB，单张常见消费级显卡就能装下。

社区还提供了适配苹果 Mac 的 MLX 量化版本，团队后续也推出了更轻量的 4B 版本，进一步降低了本地部署门槛。

为什么重要

对想要本地搭建自动化工作流的开发者来说，Agents A1 是目前少有的、能在单张消费级显卡或高端笔记本上跑通复杂多步工具调用的中型模型。如果你受够了调用云端闭源模型的高额 API 账单和数据隐私顾虑，它是一个非常值得现在就部署测试的本地替代方案。

我们认为，Agents A1 证明了智能体能力不一定非要死磕万亿参数。通过针对工具交互和长流程规划进行针对性蒸馏，35B 这种消费级友好的体量完全可以胜任大部分垂直场景的自动化任务，这可能会倒逼更多开源团队转向高密度的专用模型优化。