Alpha Innovator 開源科研智慧體 Sage A1.5：35B MoE，Q4 量化版僅 22GB

Alpha Innovator 開源的 Sage A1.5 是一個專為科研和複雜智慧體任務打造的 350 億引數（35B）MoE 模型。它基於 Qwen3.6 和早期的 Agents One 架構演進而來，核心本領是能把複雜的科研課題拆解給多個子智慧體協同推進，最終跑出帶圖表、帶引用的完整報告。

它能做什麼

官方演示覆蓋了生物醫藥、化學到神經科學的多個重型場景。比如在分子設計任務中，它可以提議特定的吡啶衍生物並最佳化分子結構，計算分子結合強度，甚至利用歷史實驗因果圖來調最佳化學反應條件，還能直接分析腦科學研究資料。

除了科研計算，它也具備端到端的軟體工程能力，能通讀程式碼庫、編寫補丁並跨語言執行測試。它支援 262,144 token 的超長上下文，可以從容處理長流程網頁檢索和多步驟工具呼叫。

更亮眼的是它的多智慧體協同機制。主模型可以把任務分發給擁有獨立上下文的多個子智慧體，由它們分頭驗證核心假設並彙總證據，避免單一大模型在長思考鏈中把上下文弄混。

怎麼跑起來，配置要求如何

這套模型最聰明的機制在於內生自審能力。它不需要額外掛一個判別模型當裁判，而是在自己的思考鏈（Chain of Thought）中適時暫停，復盤哪些假設已被證實、哪些嘗試已經失敗，並在同一個輪次裡直接掉頭換方向。

目前開發團隊已經在 Hugging Face 和 GitHub 上完全公開了程式碼、模型權重與評測框架。完整版本大小約為 72GB，視訊記憶體有限的話，社群也提供了體積最小的 Q4 GGUF 量化版本，僅佔用 22GB 空間。

在本地部署方面，官方推薦使用 vLLM 或 SGLang 框架拉起服務，直接暴露相容 OpenAI 標準的本地介面，方便接入現有的智慧體工作流。

在基準測試裡，Sage A1.5 在科研推理、程式設計和複雜智慧體任務上壓過了多數同量級模型，在部分測試類別中甚至超越了引數量大得多的前沿大模型。

為什麼重要

對於生物醫藥、化學計算的研究人員以及開發複雜 Agent 的工程師來說，Sage A1.5 值得儘早拉下來跑一跑。以往通用模型處理科研任務很容易在長鏈路呼叫中迷失，而它把文獻檢索、工具呼叫與分子計算串成了一條可落地的端到端工作流。

我們認為，把自我審視邏輯做進思考鏈、同時用 MoE 架構兼顧計算效率的做法非常聰明。它證明了開源小體量模型不必盲目堆砌上千億引數，靠嚴密的子智慧體分工與內生糾錯，22GB 的量化體積同樣能撐起硬核的專業科研探索。