Шанхайская лаборатория ИИ выпустила Sage-A1.5 — модель для длительных исследовательских и инженерных задач. Её обучали не только выполнять отдельные действия, но и распределять работу между вспомогательными агентами, проверять промежуточные результаты и пересматривать неудачный подход. Веса доступны под Apache 2.0, поэтому модель можно запускать на своём оборудовании и встраивать в собственные системы.

При последовательной работе длинная история действий разрастается, а ошибочное предположение может переходить из шага в шаг. В Sage-A1.5 режим делегирования позволяет выделять параллельные подзадачи с отдельной историей для каждой. Второй режим добавляет проверку полученных свидетельств по ходу работы. Оба включаются отдельно; для делегирования программа, в которой работает модель, должна предоставлять инструмент запуска вспомогательных агентов.

В техническом отчёте от 20 октября разработчики сравнили новинку с Sage-A1. На MLE-Lite — наборе из 22 соревнований Kaggle по машинному обучению — доля результатов уровня бронзовой медали или выше выросла с 43,9% до 65,2%. На каждую задачу давали до 12 часов с ускорителем H200; итог усреднили по трём запускам. Это оценка выполнения конкретных вычислительных заданий, а не доля успешных научных открытий.

Обновление помогло не везде. В тесте научного программирования SciCode результат остался на уровне 44,3%, а на GAIA, физическом HiPhO и наборе задач по материаловедению MatTools новая версия уступила предыдущей. Авторы также признают: очень длинные задания всё ещё перегружают контекст, а объединённая модель не сохранила лучшие результаты всех специализированных моделей, использованных при её обучении. Отчёт — препринт с измерениями самой команды; независимое воспроизведение этих результатов пока не установлено.

Sage-A1.5 содержит 35 млрд параметров, из которых при обработке токена активны около 3 млрд. Это не означает, что для запуска достаточно хранить только активную часть. Вместе с обычными весами опубликованы сжатые варианты: исследователи и разработчики могут проверять описанные режимы на своих задачах, подбирая оборудование и подключаемые инструменты.