GPT
הוספת כלי
A

Agents-A1

קוד פתוח

InternScienceapache-2.02026-06-22

  • transformers
  • safetensors
  • qwen3_5_moe
  • image-text-to-text
  • moe

זה מודל סוכן מבוסס תערובת מומחים של 35B פרמטרים. הוא מיועד למי שרוצה להריץ משימות מורכבות של קריאה לכלים, מחקר מדעי וחיפוש ארוך טווח בלי להחזיק תשתית של מאות מיליארדי פרמטרים.

  • 35Bפרמטרים
  • 262,144טוקנים בהקשר
  • 65.4 GBמשקל הקבצים
  • 43,873הורדות בחודש

מה זה

המודל משתמש בארכיטקטורת Qwen3_5Moe ומכוון כולו להתנהגות של סוכן אוטונומי, כלומר תכנון שלבים קדימה, הפעלת כלים ותיקון שגיאות על בסיס משוב. תהליך האימון שלו נבנה בשלושה שלבים שכללו יישור התנהגות ראשוני, מודלים מורים לפי תחום, וזיכוך ידע מרובה מורים כדי להביא יכולות מגוונות למשקל קומפקטי יחסית.

במבחני ביצועים הוא עוקף מודלים בגודל שלו ובחלק מהמקרים מתקרב למערכות ענק כמו GPT-5.5 ו־DeepSeek-V4-pro. במדדים של עקיבה אחרי הוראות מורכבות הוא הגיע ל־94.82 ב־IFEval ול־80.61 ב־IFBench, ובמחקר מדעי רשם 40.0 במדד FrontierScience-Research, שזה ציון גבוה משמעותית מהמתחרים שנבדקו מולו. עם זאת, במשימות הנדסה ומדעי נתונים כמו MLE-Lite הוא עומד על 43.94 בלבד, פער ברור מול מודלי ענק שחוצים שם את ה־70 נקודות.

מתאים ל

  • סוכן חיפוש ומחקר רב שלבי

    מתאים לביצוע משימות איסוף מידע ממושכות הדורשות פירוק בעיות ובדיקת מקורות, בזכות ציון 75.51 ב־BrowseComp.

  • חישוב ומחקר מדעי עם כלים

    אינטגרציה עם ספריות קוד ומחשבונים מדעיים, תחום שבו הוא השיג 47.6 ב־HLE ו־79.0 באולימפיאדת המדע.

  • מערכות הפעלת API מורכבות

    אידיאלי לניתוב פקודות מדויק וחיבור כלי צד שלישי, בעזרת תמיכה ייעודית במפענח qwen3_coder ודיוק גבוה בהוראות.

איפה זה נופל

המודל מתקשה במשימות הנדסת תוכנה ומדעי נתונים מורכבות, כפי שרואים בציון של 43.94 ב־MLE-Lite לעומת 72.73 של GPT-5.5. בנוסף, אף שהחלון מאפשר 262K טוקנים, ניהול זיכרון ה־KV דורש ויתור על מודול הראייה בפקודת ההרצה כדי לא לחנוק את הזיכרון. אין בכרטיס שום מידע על ביצועים או תמיכה בשפה העברית, ולכן חובה לבדוק אותו עצמאית לפני שמשלבים אותו במוצר שמיועד למשתמשים מקומיים.

אותה משפחה

Agents-A1 יצא ב־2 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.

Agents-A1-4B324,134

שאלות
נפוצות

האם המודל ירוץ לי על מחשב נייד רגיל?

הגרסה המלאה של ה־35B שוקלת מעל 65GB ודורשת חומרת שרתים חזקה. כדי להריץ מקומית על מחשב אישי צריך להשתמש בגרסאות המכווצות שהקהילה הוציאה, או להוריד את גרסת ה־4B הקטנה יותר.

איך מגדירים לו לעבוד עם כלים חיצוניים בשרת?

אפשר להעלות שרת מקומי באמצעות vLLM או SGLang ולהגדיר את הפרמטר tool-call-parser לערך qwen3_coder. בהגדרות הדגימה כדאי לשים טמפרטורה של 0.85 ו־top_p של 0.95 לפי המלצת המפתחים.

איך מריצים

המשקל המלא תופס 65.4GB ומחולק ל־31 קבצים, כך שאי אפשר לדחוף אותו לכרטיס מסך בודד של 24GB בלי קוונטיזציה. בשרת עם כרטיס מקצועי גדול או בריבוי כרטיסים אפשר להרים אותו דרך vLLM או SGLang, עם תמיכה מלאה בהקשר של 262,144 טוקנים, מפענח חשיבה של qwen3 ומפענח כלים של qwen3_coder.

למי שרוצה לרוץ מקומית בלי חוות שרתים, יצאו גרסאות מכווצות מבוססות MLX ל־Mac וגם גרסה מוקטנת של 4B פרמטרים. אם המטרה היא סתם מענה קצר לשאלות פשוטות בלי שימוש אינטנסיבי בכלים או חלון הקשר עצום, עדיף לפנות ל־API חיצוני זמין במקום להחזיק שרת ייעודי שמריץ קבצים בגודל הזה.

from transformers import pipeline

pipe = pipeline("text-generation", model="InternScience/Agents-A1")
print(pipe("שלום"))

הקבצים

31 קבצים במאגר, 65.4 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הפרויקט מופץ תחת רישיון apache-2.0. הרישיון הזה מתיר שימוש מסחרי חופשי, שינוי של הקוד והמשקלים, והפצה מחדש בתוך מוצרים סגורים. התנאים העיקריים הם שמירה על הודעת זכויות היוצרים המקורית, ציון הרישיון וציון שינויים שנעשו בקבצים, בלי חובה לפתוח את קוד המוצר שלכם.

  • שימוש מסחרי
  • שינוי הקוד
  • הפצה מחדש
  • שימוש בפטנטים

הרישיון המלא בעמוד המודל ↗