上海AI实验室开源Agents-A1，35B参数可助力复杂科研任务，重构大模型缩放规律

近日，上海人工智能实验室（上海AI实验室）发布智能体模型Agents-A1，连续多日位列Hugging Face全球模型趋势榜前列。

该模型采用知识-行动图谱（Knowledge-Action Graph，KAG）构建可验证长轨迹基础设施，配套三阶段多专家蒸馏训练流程，突破了大模型依赖海量参数实现复杂科学推理的传统局限，以仅35B参数规模，在长程搜索、科学推理、指令遵循等复杂任务上比肩万亿参数主流模型，为AI驱动科学发现提供普惠化技术路径。

Agents-A1也为通专融合基础模型的能力升级，探索出全新Scaling Law：从参数规模的横向扩张，转向交互深度的纵向拓展，可实现以更小的规模撬动更强的复杂任务自主处理能力。

一经开源，Agents-A1迅速获得全球开发者关注，被评价为“长程智能体任务赛道性能最优的35BMoE模型”（the highest 35B MoE for CLI task）。社区各类衍生、适配版本持续涌现，上线不足10天，全系列模型累计下载量突破20万。

• 技术报告：https://arxiv.org/abs/2606.30616

• 评测仓库：https://github.com/InternScience/Agents-A1

• Hugging Face链接：https://huggingface.co/InternScience/Agents-A1

• 魔搭社区链接：https://modelscope.cn/models/InternScience/Agents-A1

7月6日，Agents-A1位于Hugging Face全球模型趋势榜第4名

从参数规模到交互深度，AI性能提升范式转型

过往大模型的能力迭代，主要依靠参数扩容、语料提质与推理强化，该范式在单轮问答、短程推理及知识类任务中表现优异，但难以支撑复杂科研场景。真实科研任务涵盖想法生成、方案设计、代码实现与实验验证等多个环节，要求模型具备持续、多步的长程交互与迭代执行的能力，这正是传统训练范式的核心短板。

另外，当任务链路变长、环境反馈增多时，单纯依赖参数中已有的知识难以覆盖全部情况，模型还需要在搜索、工具调用、结果验证和失败重规划中不断调整策略。

为此，上海AI实验室科研团队针对性设计了智能体模型Agents-A1，跳出“依赖参数扩容提升能力”的传统范式，转向以深化外部交互为核心，着力拓展模型的长程交互深度。在长程复杂任务中，模型性能不再取决于参数内部固化的静态知识储量，而取决于其与外部环境的持续交互能力。并且由于真实世界知识具有动态更新、海量开放的特性，无法完全预置于模型参数之中，因此模型与环境的交互效率与深度，真正决定其能力上限。

两大核心创新，支撑模型长程自主行动

基础模型的长程自主行动和多领域智慧的深度融合能力是当前的两个关键问题。

针对第一个问题，科研团队建立了以知识-行动图谱（Knowledge-Action Graph，KAG）为核心的知识-行动基础设施，和普通知识图谱不一样的是，KAG保留答案被获取、检验、修正、验证的完整轨迹，并通过自博弈不断扩展高质量长轨迹数据。基于这一创新机制，Agents-A1构建了覆盖长程搜索、机器学习工程、科学推理、指令遵循和工具调用等场景的数据管线，平均长度约4.5万个token，为模型提供过程级监督。

针对第二个问题，科研团队采用三阶段训练流程让Agents-A1实现通专融合。模型首先通过全域监督微调，获得通用智能体基础能力；其次面向细分任务，训练多个领域专家模型，针对性强化长程搜索、科学推理、工具调用等专项能力；最后通过多领域路由的在线策略蒸馏，将不同专家模型的能力统一到一个模型中。

通过长程轨迹构建、多领域专家训练和多领域路由蒸馏，形成统一智能体模型Agents-A1

基准测试与真实任务，小参数模型表现比肩主流大模型

在公开的高难度基准测试中，Agents-A1展现出较强的综合能力。相关测试覆盖复杂推理、指令遵循、工具调用、长程搜索等方向，要求模型不仅能理解问题，还要能够分解任务、整合多轮信息，并在复杂约束下完成推理和决策。从评测结果来看，Agents-A1以35B参数规模在SEAL-0、IFBench、HiPhO等多个基准测试中取得了具有竞争力的表现，证明依托长程交互优化的训练范式，智能体模型在不单纯依赖扩大参数规模的情况下，提升复杂任务的自主处理能力。

 Agents-A1在复杂推理、指令遵循、工具调用、长程搜索等任务中展现出较强的综合能力

在真实世界任务中，Agents-A1进一步展示了长程行动和持续优化能力。以鲸鱼叫声检测任务为例，Agents-A1能够在12小时内持续优化完整机器学习流程。模型从基础卷积神经网络方案出发，通过音频增强、时间分布偏移分析、局部时间段训练、梅尔频谱卷积神经网络、模型集成等步骤，将最佳验证AUC从约0.58提升至0.9935。这表明，Agents-A1已超越局部调参，具备在多轮迭代中持续改进方案并提升泛化性的能力。

Agents-A1在长程任务中通过持续行动、反馈验证和方案迭代完成优化，图中曲线上的几个拐点对应明确的算法改动