InternScience 發布了 Sage-A1.5，這是一個基於上海人工智能實驗室（Shanghai AI Laboratory）Qwen3.6-35B-A3B 架構的 35B 混合專家（Mixture-of-Experts, MoE）代理式模型。該模型旨在透過自適應能力組合來推進長程科學問題解決。Sage-A1.5 建立在 A1 版本的基礎上，不僅能解決單一任務，還能在執行過程中組織工作並修正其方法。該模型強調三大關鍵能力：代理式編排（Agentic Orchestration）、驗證（Verification）以及開放式科學發現（Open Scientific Discovery）。
具體而言，代理式編排透過任務委派和具有隔離上下文的子代理之間的並行協作，擴展了單代理執行能力，從而實現複雜任務的分解與並行處理，同時減少並行子代理間的干擾。代理式驗證則透過進度檢查、證據驗證和反思性策略修正來增強長程可靠性，使 Sage-A1.5 能夠識別無效的搜索路徑並轉向其他方法。開放式科學發現將代理能力擴展到超越回答預定義問題，進行探索性研究，將科學探究與互動分析及可檢查的研究工件相結合。
此外，該模型還具備以下亮點功能： 1. **代理式編排**：協調具有獨立上下文的子代理進行並行調查，使其能夠挑戰假設、透過證據完善結論，並將發現綜合為全面結果。 2. **驗證模式**：一種可選的自我審查功能，內建於模型的思維鏈中。模型會在軌跡中途暫停，回顧已確立和失敗的內容，然後在同一輪次中根據修正後的方向採取行動，無需外部批評者。 3. **代理式推理**：擅長將複雜任務分解為可執行的子步驟，提前規劃，並根據中間結果調整策略。 4. **工具使用**：原生支持函數調用和工具集成，實現與 API、代碼解釋器、搜索引擎和其他外部工具的無縫交互。 5. **科學與專業推理**：處理工具集成的科學推理和專業知識問答。 6. **指令遵循**：精確遵循跨領域的詳細多約束指令。
目前，該模型已提供 GGUF 格式權重，包括 Q4_K_M 和 Q8_0 量化版本，可從 Hugging Face 下載。
尚待確認：原始來源未提供社群評論內容，因此無法總結社群討論。
尚待確認：原始來源僅提及模型基於 Qwen3.6-35B-A3B，但未詳細說明該基礎模型的具體技術細節或與前代版本的差異。
