Agents-A1
InternScience (Shanghai AI Lab) · China · veröffentlicht 29. Juni 2026
Ein 35-Mrd.-MoE aus der Forschung, das durch langes Reasoning und agentisches Arbeiten auf seinen Zielbenchmarks mit Billionen-Parameter-Systemen mithält. Spezialist für mehrstufige Recherche- und Wissenschaftsaufgaben, kein schneller Allrounder.
Zur offiziellen ModellseiteBewertung im Detail
Gesamtnote aus drei gewichteten Dimensionen. Wie wir bewerten
Fähigkeitsprofil
Wo Agents-A1 stark ist, über sechs Säulen auf einer Skala von 0 bis 100. Die gestrichelte Linie ist der Median aller 22 Modelle im Vergleich. Wie die Säulen entstehen
| Säule | Wert | Grundlage |
|---|---|---|
| Programmierung | 78 | benchmarkbelegt |
| Mathematik & Logik | 82 | redaktionelle Einschätzung |
| Wissen | 84 | benchmarkbelegt |
| Deutsch & Sprache | 78 | redaktionelle Einschätzung |
| Agentik & Werkzeuge | 85 | benchmarkbelegt |
| Langer Kontext | 82 | redaktionelle Einschätzung |
Stärkste Säule: Agentik & Werkzeuge. Belegte Werte stammen aus den dokumentierten Benchmarks unten (baseline-korrigiert normalisiert), mit „Einschätzung" markierte Säulen sind eine redaktionelle Einordnung, weil kein vergleichbarer Benchmark vorlag. Details zur Methodik stehen auf der Übersichtsseite.
Steckbrief
- Architektur
- Mixture-of-Experts
- Parameter
- 35 Mrd. gesamt, 3 Mrd. aktiv je Token
- Kontextfenster
- 256K TokenFür lange, mehrstufige Agenten-Abläufe ausgelegt (Trainings-Trajektorien um 45K Token je Aufgabe).
- Lizenz
- Apache 2.0
- Eingabe
- Text
- Lokaler Betrieb
- Workstation mit ~40 GB Speicher oder Mac mit viel Unified Memory (M5 Max); Q4 auch auf einer 24-GB-GPU
- Bei EU-Hostern
- SeltenNoch kein EU-Hoster bestätigt, nur lokales Self-Hosting (SGLang/vLLM)
Feinabstimmung auf Basis von Qwen3.5-35B-A3B (3 Mrd. aktive Parameter aus der Basisarchitektur). Aktivwert vom Hersteller nicht separat beziffert.
Benchmarks
Die folgenden Werte sind Hersteller-Angaben. Eine unabhängige Verifikation lag zum Stand dieser Seite nicht vor.
Stärken
- +Laut Hersteller-Benchmarks (GAIA, BrowseComp, IFBench) bei agentischen Aufgaben auf dem Niveau von 1-Billion-Parameter-Modellen, bei nur 35 Mrd. total und 3 Mrd. aktiv
- +Apache-2.0-Lizenz, läuft lokal und damit ohne Cloud DSGVO-konform
- +In unserem eigenen kleinen Coding-Test fehlerfrei, wo das gleich große Basis-Qwen patzte
Grenzen
- −Langes Reasoning vor der Antwort (tausende Denk-Token, Minuten pro schwerer Aufgabe), nichts für schnelle Chats
- −Alle Benchmarks vom Hersteller auf teils eigenen bzw. nischigen Suiten, keine unabhängige Verifikation
- −Spezialist für lange, mehrstufige Aufgaben; noch kein EU-Hoster, nur Self-Hosting
Quelle: Offizielle HF-Modellkarte InternScience/Agents-A1 und arXiv 2606.30616, Juni 2026. Stand der Recherche: 1. Juli 2026. Die Prozent-Bewertung ist eine redaktionelle Einschätzung von gewusst:KI.
Lokale KI im eigenen Unternehmen aufbauen
Wir begleiten die Auswahl des passenden Modells, die Hardware-Planung und den Betrieb, lokal oder bei einem europäischen Hoster. Einen Einstieg bietet unser Workshop zu lokaler KI oder ein direktes Gespräch.