추천35B 모델로 1T급 성능 달성한 Agents-A1 공개

Agents-A1은 InternScience가 공개한 35B 규모의 Mixture-of-Experts 에이전트 모델로, Qwen3.5-35B-A3B를 기반으로 하며 토큰당 약 3B 파라미터만 활성화한다.

핵심 아이디어는 파라미터 확장(parameter scaling) 대신 **에이전트 호라이즌 확장(horizon scaling)**이다. 학습 데이터는 평균 45K 토큰에 달하는 긴 궤적(trajectory)으로 구성되며, 지식 획득→도구 호출→관찰→검증으로 이어지는 전 과정을 지도 신호로 활용한다.

주요 성과:

• SEAL-0 (검색): 56.4
• IFBench (지시 따르기): 80.6
• HiPhO (물리 올림피아드): 46.4
• FrontierScience-Olympiad: 79.0
• BrowseComp: 75.5
• HLE (도구 사용): 47.6

여러 벤치마크에서 Kimi-K2.6, DeepSeek-V4-pro, GPT-5.5 등 1T급 모델과 동등하거나 앞서는 성능을 보였다. 총 파라미터 기준 약 30배 작은 모델로 이 성능을 달성했다는 점이 핵심 메시지다.

방법론의 두 축은 (1) 외부 지식·행동·관찰·검증 신호를 연결하는 지식-행동 인프라(Knowledge-Action Graph, KAG) 구축, (2) 6개 이질적 도메인을 하나의 모델로 통합하는 3단계 학습 레시피다.