Sage-A1.5の欠点は？

勝ちのいくつかは、他がほとんど報告していないベンチマークでのもの; BrowseCompとHLEでは今もKimi-K3やGPT-5.6-solに大きく及ばない; ホスト版の価格は無料トライアル以外公表されていない; オーケストレーションにはサブエージェントを動かすハーネスが必要.

チームや本番環境でSage-A1.5を使うと費用はいくらか？

35.95BパラメータでBF16では約72GBなので、80GBのGPU 1枚でキャッシュの余裕はわずかです。FP8版ならその半分で、Q4_K_MのGGUF版はllama.cpp、Ollama、LM Studioで動きます。

Sage-A1.5は企業データを扱っても安全か？

Apache 2.0で、利用制限はありません。Intern Discoveryのホスト版トライアルのデータの条件はモデルカードに記載がないため、機密性の高い作業ではセルフホストしてください。

Sage-A1.5の代わりになるものは？

当サイトでレビューした中で最も近い代替はNanbeige4.3-33B, Qwen3.8-27B, Kimi K3 、 GLM-5.3です。

Sage-A1.5 レビュー：料金と評価 (2026)

Sage-A1.5とは？

Sage-A1.5は、Shanghai AI LaboratoryのInternScienceチームによるオープンウェイトのエージェントモデルで、2026年10月15日に技術レポートとともに公開されました。AlibabaのQwen3.6-35B-A3Bと同研究所の以前のAgents-A1をベースにした350億（35 billion）パラメータのmixture-of-expertsモデルで、テキストと画像を読みます。

任意で有効にできるモードが2つ加わっています。Agentic Orchestrationでは、モデルがspawn_subagentツールを呼び、独立したサブ質問を並列のサブエージェントに送ります。各サブエージェントは独自のコンテキストとツールを持ちます。チャットテンプレートのフラグで有効になるVerification Modeでは、モデルがタスクの途中で推論の中に立ち止まり、うまくいったことを見直して方針を変えます。

重みはApache 2.0で、FP8版とQ4_K_MのGGUF版があります。ネイティブのコンテキストは262,144トークンで、YaRNで524,288まで拡張できます。研究所はIntern Discoveryのトークンプランで無料トライアルを提供していますが、有料の価格はカードに記載されていません。

Sage-A1.5の料金は？

プラン	価格	内容
Weights	Free	Apache 2.0。BF16、FP8、GGUF
Intern Discovery token plan	Free trial	有料の価格は非公表

オープンウェイトはApache 2.0です。Shanghai AI LabのIntern Discoveryのトークンプランで無料トライアルがあり、有料APIの価格は公表されていません。

Sage-A1.5は使う価値があるか？

Sage-A1.5は、新しい名前を付けただけのファインチューン版ではありません。多くのオープンモデルがハーネスに任せているエージェントの振る舞い、つまりサブエージェントへの分散と推論中の自己確認を、モデル自体に備えています。研究所の数値では、狙った領域で成果が出ています。BrowseCompでは81.7（オーケストレーションありで82.8）で、ベースのQwen3.6-35B-A3Bの67.9、Agents-A1の75.5を上回り、SWE-bench Proでは61.2で、A1から17.6ポイント上がり、GLM-5.3の64.6に迫ります。

はるかに大きなモデルに対する目玉の勝ちには注意が必要です。「総合で最良」という主張は、FrontierScience-Research（GPT-5.6-solの26.7に対して48.3）やCMT（50.0に対して80.0）といった、外部の研究所がほとんど公表していないベンチマークに大きく依存しています。一方、定評のあるテストでは今も及びません。BrowseCompの首位は91.2のKimi-K3で、ツールありのHLEではGPT-5.6-solが64.5でSageの55.1を上回ります。チームは、競合の数値を可能な限り各社自身の報告から取り、残りは自前のオープンな評価コードで実行したため、条件は同一ではありません。あるトラッカーには、独立した結果が少なすぎるため、まだ指標のスコアがありません。

実用面の設計は良好です。オーケストレーションは、ハーネスが実装するツールのスキーマにすぎず、バッチとターンの上限（既定で5タスク、20ターン）があり、サブエージェントは推測せずにUNKNOWNを返します。Verificationは真偽値1つで切り替えますが、空でないシステムメッセージが必要で、ないとサーバーがエラーを返します。256Kのネイティブのコンテキストは長い調査のセッションに足り、FP8版とGGUF版によりGPU 1枚でも手が届きます。

エージェント作業で最も近いオープンな競合であるNanbeige4.3-33Bと比べると、Sageは画像を読め、mixture-of-expertsの設計でトークンあたりが安く済みます。自身のQwenのベースと比べると、検索とコーディングのエージェントでの伸びは、その用途なら乗り換えを正当化できるほど大きいものです。

真価を発揮する場面

50人規模のバイオテック企業のデータサイエンティスト
文献とデータベースの検索をセルフホストのエージェントとして実行する
検索とページ読み取りのツールとともにspawn_subagentを登録します。モデルは質問を最大5つの並列のサブタスクに分け、それぞれが根拠を返し、確信がないときはUNKNOWNの状態を返します。Apache 2.0なので重みはオンプレミスに置けます。
中規模ソフトウェア企業のプラットフォームエンジニア
新しいハードウェアなしに、Qwen3.6-35B-A3Bのコーディングエージェントをより強いものに置き換える
Sageは同じアーキテクチャとツールパーサーを使うので、vLLMのコマンドはほとんど変わらず、研究所のSWE-bench Proのスコアは49.5から61.2に上がります。展開前に自社の回帰テストを再実行してください。
コンサルティング会社のアナリストチーム
スキャンした報告書から数値を抜き出し、相互に照合する
画像を読め、研究所のテストではOmniDocBenchで91.5を記録しています。Verification Modeでは回答の途中で根拠を見直させられます。自己確認の内容はreasoning_contentで確認できます。

導入前に確認すること

導入: qwen3の推論パーサーとqwen3_coderのツールパーサーを指定してvllm serve InternScience/Sage-A1.5を実行するか、SGLangで同等の設定を使います。--language-model-onlyを付けると画像エンコーダーを省き、キャッシュ用のメモリを空けられます。
連携: vLLM、SGLang（MTPの投機的デコーディング付き）、GGUFによるllama.cppとOllama、OpenAI互換のツール呼び出しに対応しています。オープンな評価フレームワークはAgents-A1のGitHubリポジトリにあります。
データとプライバシー: Apache 2.0で、利用制限はありません。Intern Discoveryのホスト版トライアルのデータの条件はモデルカードに記載がないため、機密性の高い作業ではセルフホストしてください。
大規模利用時のコスト: 35.95BパラメータでBF16では約72GBなので、80GBのGPU 1枚でキャッシュの余裕はわずかです。FP8版ならその半分で、Q4_K_MのGGUF版はllama.cpp、Ollama、LM Studioで動きます。
制限: ネイティブのコンテキストは256Kで、512KはYaRNを使った場合のみです。Verification Modeはシステムメッセージのないリクエストを拒否します。推奨のpresence_penaltyは1.5です。独立した結果はまだ乏しいです。

良い点

研究所のテストでBrowseComp 81.7、SWE-bench Pro 61.2と、ベースのQwen3.6を大きく上回る
並列のサブエージェントと、任意で有効にできる自己確認モードを内蔵
画像を読める。ネイティブ256K、YaRNで512Kのコンテキスト
Apache 2.0で、FP8版とGGUF版あり

気になる点

勝ちのいくつかは、他がほとんど報告していないベンチマークでのもの
BrowseCompとHLEでは今もKimi-K3やGPT-5.6-solに大きく及ばない
ホスト版の価格は無料トライアル以外公表されていない
オーケストレーションにはサブエージェントを動かすハーネスが必要

Sage-A1.5の代替

Nanbeige4.3-33B

BOSS Zhipin (Nanbeige LLM Lab)CodingOpen weights

3.8/5

A dense 33B open model from BOSS Zhipin's lab that claims to lead the 30B class at agentic coding, under Apache 2.0.

Qwen3.8-27B

Alibaba (Qwen)General purposeOpen weights

4.5/5

Alibaba's Apache 2.0 dense model: 27 billion parameters, image and video input, and coding scores that rival models many times its size.

Kimi K3

Moonshot AIReasoningOpen weights

4.3/5

Moonshot AI's 2.8-trillion-parameter open-weight model, strong on agent and browsing tasks, with a 1M-token context.

GLM-5.3

Z.ai (Zhipu AI)CodingOpen weights

4.4/5

Z.ai's open-weight coding and agent model, near-MIT licensed, at $1.40/$4.40 per million tokens on its API.

Sage-A1.5：よくある質問

Sage-A1.5は使う価値があるか？: Sage-A1.5は、Qwenのベースを、サブエージェントを内蔵した信頼できるオープンな研究エージェントに変えていますが、大きな勝ちは他がほとんど報告していないベンチマークでのものです。評価は5点満点中3.9点です。
Sage-A1.5の料金は？: オープンウェイトはApache 2.0です。Shanghai AI LabのIntern Discoveryのトークンプランで無料トライアルがあり、有料APIの価格は公表されていません。
Sage-A1.5の欠点は？: 勝ちのいくつかは、他がほとんど報告していないベンチマークでのもの; BrowseCompとHLEでは今もKimi-K3やGPT-5.6-solに大きく及ばない; ホスト版の価格は無料トライアル以外公表されていない; オーケストレーションにはサブエージェントを動かすハーネスが必要.
Sage-A1.5は誰に向いているか？: セルフホストの調査やブラウジングのエージェントを作り、サブエージェントへの分散と自己確認を独自のハーネスのコードではなくモデル側に持たせたいチーム。
チームや本番環境でSage-A1.5を使うと費用はいくらか？: 35.95BパラメータでBF16では約72GBなので、80GBのGPU 1枚でキャッシュの余裕はわずかです。FP8版ならその半分で、Q4_K_MのGGUF版はllama.cpp、Ollama、LM Studioで動きます。
Sage-A1.5は企業データを扱っても安全か？: Apache 2.0で、利用制限はありません。Intern Discoveryのホスト版トライアルのデータの条件はモデルカードに記載がないため、機密性の高い作業ではセルフホストしてください。
Sage-A1.5の代わりになるものは？: 当サイトでレビューした中で最も近い代替はNanbeige4.3-33B, Qwen3.8-27B, Kimi K3 、 GLM-5.3です。

回答確認日：2026年10月31日