Alpha Innovator 开源科研智能体 Sage A1.5：35B MoE，Q4 量化版仅 22GB

Alpha Innovator 开源的 Sage A1.5 是一个专为科研和复杂智能体任务打造的 350 亿参数（35B）MoE 模型。它基于 Qwen3.6 和早期的 Agents One 架构演进而来，核心本领是能把复杂的科研课题拆解给多个子智能体协同推进，最终跑出带图表、带引用的完整报告。

它能做什么

官方演示覆盖了生物医药、化学到神经科学的多个重型场景。比如在分子设计任务中，它可以提议特定的吡啶衍生物并优化分子结构，计算分子结合强度，甚至利用历史实验因果图来调优化学反应条件，还能直接分析脑科学研究数据。

除了科研计算，它也具备端到端的软件工程能力，能通读代码库、编写补丁并跨语言执行测试。它支持 262,144 token 的超长上下文，可以从容处理长流程网页检索和多步骤工具调用。

更亮眼的是它的多智能体协同机制。主模型可以把任务分发给拥有独立上下文的多个子智能体，由它们分头验证核心假设并汇总证据，避免单一大模型在长思考链中把上下文弄混。

怎么跑起来，配置要求如何

这套模型最聪明的机制在于内生自审能力。它不需要额外挂一个判别模型当裁判，而是在自己的思考链（Chain of Thought）中适时暂停，复盘哪些假设已被证实、哪些尝试已经失败，并在同一个轮次里直接掉头换方向。

目前开发团队已经在 Hugging Face 和 GitHub 上完全公开了代码、模型权重与评测框架。完整版本大小约为 72GB，显存有限的话，社区也提供了体积最小的 Q4 GGUF 量化版本，仅占用 22GB 空间。

在本地部署方面，官方推荐使用 vLLM 或 SGLang 框架拉起服务，直接暴露兼容 OpenAI 标准的本地接口，方便接入现有的智能体工作流。

在基准测试里，Sage A1.5 在科研推理、编程和复杂智能体任务上压过了多数同量级模型，在部分测试类别中甚至超越了参数量大得多的前沿大模型。

为什么重要

对于生物医药、化学计算的研究人员以及开发复杂 Agent 的工程师来说，Sage A1.5 值得尽早拉下来跑一跑。以往通用模型处理科研任务很容易在长链路调用中迷失，而它把文献检索、工具调用与分子计算串成了一条可落地的端到端工作流。

我们认为，把自我审视逻辑做进思考链、同时用 MoE 架构兼顾计算效率的做法非常聪明。它证明了开源小体量模型不必盲目堆砌上千亿参数，靠严密的子智能体分工与内生纠错，22GB 的量化体积同样能撑起硬核的专业科研探索。