Sage-A1.5의 개요
Sage-A1.5는 Shanghai AI Laboratory의 InternScience 팀이 만든 오픈 가중치 에이전트 모델로, 2026년 10월 15일 기술 보고서와 함께 공개되었습니다. Alibaba의 Qwen3.6-35B-A3B와 연구소의 이전 모델 Agents-A1을 기반으로 한 350억(35 billion) 파라미터 전문가 혼합(MoE) 모델이며, 텍스트와 이미지를 읽습니다.
선택적으로 켜는 모드가 두 가지 추가되었습니다. Agentic Orchestration은 모델이 spawn_subagent 도구를 호출해 독립적인 하위 질문을 병렬 하위 에이전트에 보내게 합니다. 각 하위 에이전트는 자체 컨텍스트와 도구를 가집니다. Verification Mode는 채팅 템플릿 플래그로 켜며, 모델이 작업 도중 추론 안에서 멈춰 무엇이 효과가 있었는지 검토하고 방향을 바꾸게 합니다.
가중치는 Apache 2.0이며 FP8과 Q4_K_M GGUF 빌드가 있습니다. 기본 컨텍스트는 262,144 토큰이고 YaRN으로 524,288까지 늘릴 수 있습니다. 연구소는 Intern Discovery 토큰 플랜으로 무료 체험을 제공하며, 유료 가격은 모델 카드에 공개되지 않았습니다.
Sage-A1.5의 가격은 얼마입니까?
| 플랜 | 가격 | 포함 내용 |
|---|---|---|
| Weights | Free | Apache 2.0. BF16, FP8, GGUF |
| Intern Discovery token plan | Free trial | 유료 가격 비공개 |
Apache 2.0 오픈 가중치. Shanghai AI Lab의 Intern Discovery 토큰 플랜으로 무료 체험 가능. 유료 API 가격은 공개되지 않음.
Sage-A1.5, 쓸 만한 가치가 있습니까?
Sage-A1.5는 이름만 바꾼 파인튜닝 모델이 아닙니다. 대부분의 오픈 모델이 하네스에 맡기는 에이전트 동작, 하위 에이전트 분산, 추론 중 자기 검토를 모델 자체에 담았습니다. 연구소 수치로는 목표로 한 영역에서 효과가 있습니다. BrowseComp에서 81.7(오케스트레이션 사용 시 82.8)로, 기반 모델 Qwen3.6-35B-A3B의 67.9와 Agents-A1의 75.5를 앞섭니다. SWE-bench Pro에서는 61.2로 A1보다 17.6점 높고, GLM-5.3의 64.6에 근접합니다.
훨씬 큰 모델을 이겼다는 주요 결과는 주의해서 봐야 합니다. "종합 최고"라는 주장은 FrontierScience-Research(GPT-5.6-sol의 26.7 대비 48.3)와 CMT(50.0 대비 80.0)에 크게 기대고 있습니다. 둘 다 외부 연구소가 거의 발표하지 않는 벤치마크입니다. 반면 널리 쓰이는 시험에서는 여전히 뒤처집니다. BrowseComp는 Kimi-K3가 91.2로 선두이고, 도구를 쓰는 HLE는 GPT-5.6-sol이 64.5로 Sage의 55.1을 앞섭니다. 팀은 경쟁 모델 수치를 가능하면 각 회사의 보고서에서 가져왔고, 나머지는 자체 공개 평가 코드로 실행했으므로 조건이 동일하지 않습니다. 한 추적 사이트는 독립 결과가 너무 적어 아직 지수 점수를 매기지 않았습니다.
실용적인 설계는 좋습니다. 오케스트레이션은 하네스가 구현하는 도구 스키마일 뿐이며, 배치와 턴 제한(기본값 작업 5개, 20턴)이 있고, 하위 에이전트는 추측하지 않고 UNKNOWN을 반환합니다. Verification은 불리언 하나로 켜지만, 시스템 메시지가 비어 있으면 서버가 오류를 반환합니다. 256K 기본 컨텍스트는 긴 리서치 세션을 감당하며, FP8과 GGUF 빌드 덕분에 GPU 한 장으로도 쓸 수 있습니다.
에이전트 작업에서 가장 가까운 오픈 경쟁 모델인 Nanbeige4.3-33B와 비교하면, Sage는 이미지를 읽고 토큰당 비용이 더 싼 전문가 혼합 구조를 갖췄습니다. 자신의 Qwen 기반 모델과 비교하면, 검색과 코딩 에이전트에서의 향상이 그 작업을 위해 바꿀 만큼 큽니다.
제 역할을 하는 곳
50명 규모 바이오테크 기업의 데이터 사이언티스트
자체 호스팅 에이전트로 문헌과 데이터베이스 검색 수행
검색과 페이지 읽기 도구와 함께 spawn_subagent를 등록합니다. 모델은 질문을 최대 5개의 병렬 하위 작업으로 나누며, 각 작업은 근거를 반환하고 확신이 없으면 UNKNOWN 상태를 반환합니다. 가중치는 Apache 2.0으로 사내에 둡니다.
중견 소프트웨어 회사의 플랫폼 엔지니어
새 하드웨어 없이 Qwen3.6-35B-A3B 코딩 에이전트를 더 강한 모델로 교체
Sage는 같은 구조와 도구 파서를 쓰므로 vLLM 명령이 거의 바뀌지 않으며, 연구소 기준 SWE-bench Pro 점수는 49.5에서 61.2로 오릅니다. 배포 전에 자체 회귀 테스트를 다시 돌려야 합니다.
컨설팅 회사의 애널리스트 팀
스캔한 보고서에서 수치를 뽑아 교차 확인
이미지를 읽으며 연구소 시험에서 OmniDocBench 91.5를 기록했습니다. Verification Mode를 쓰면 답변 도중 근거를 검토합니다. 자기 점검 내용은 reasoning_content에서 볼 수 있습니다.
도입 전 확인할 점
- 설정
- qwen3 추론 파서와 qwen3_coder 도구 파서로 vllm serve InternScience/Sage-A1.5를 실행하거나 SGLang에서 같은 설정을 씁니다. 비전 인코더를 건너뛰고 캐시 메모리를 확보하려면 --language-model-only를 추가합니다.
- 연동
- vLLM, SGLang(MTP 추론적 디코딩 포함), GGUF를 통한 llama.cpp와 Ollama, OpenAI 호환 도구 호출을 지원합니다. 오픈 평가 프레임워크는 Agents-A1 GitHub 저장소에 있습니다.
- 데이터와 개인정보
- Apache 2.0이며 사용 제한이 없습니다. Intern Discovery 호스팅 체험의 데이터 조건은 모델 카드에 없으므로, 민감한 작업은 자체 호스팅해야 합니다.
- 대규모 사용 시 비용
- 359억 5천만(35.95B) 파라미터로 BF16 기준 약 72GB이므로, 80GB GPU 한 장에 캐시 여유가 거의 없습니다. FP8 빌드는 그 절반이며, Q4_K_M GGUF는 llama.cpp, Ollama, LM Studio에서 실행됩니다.
- 제한
- 기본 컨텍스트 256K이며 512K는 YaRN을 써야만 가능합니다. Verification Mode는 시스템 메시지가 없는 요청을 거부합니다. 권장 presence_penalty는 1.5입니다. 독립적인 결과는 아직 부족합니다.
좋은 점
- 연구소 시험에서 BrowseComp 81.7, SWE-bench Pro 61.2로 Qwen3.6 기반 모델보다 크게 높음
- 병렬 하위 에이전트 내장과 선택형 자기 검토 모드
- 이미지 읽기 지원, 기본 컨텍스트 256K, YaRN으로 512K
- FP8과 GGUF 빌드를 갖춘 Apache 2.0
아쉬운 점
- 여러 승리가 다른 곳에서 거의 보고하지 않는 벤치마크에서 나옴
- BrowseComp와 HLE에서 여전히 Kimi-K3와 GPT-5.6-sol에 크게 뒤처짐
- 무료 체험 외에 호스팅 가격이 공개되지 않음
- 오케스트레이션을 쓰려면 하네스가 하위 에이전트를 실행해야 함
추천 대상
자체 호스팅 리서치 또는 브라우징 에이전트를 만들면서, 하위 에이전트 분산과 자기 점검을 맞춤 하네스 코드가 아니라 모델 안에 두고 싶은 팀.
Sage-A1.5 대안
Sage-A1.5: 자주 묻는 질문
- Sage-A1.5, 쓸 만한 가치가 있습니까?
- Sage-A1.5는 Qwen 기반 모델을 하위 에이전트가 내장된 믿을 만한 오픈 리서치 에이전트로 바꿔 놓습니다. 다만 큰 승리는 다른 곳에서 거의 보고하지 않는 벤치마크에서 나왔습니다. 평점은 5점 만점에 3.9점입니다.
- Sage-A1.5의 가격은 얼마입니까?
- Apache 2.0 오픈 가중치. Shanghai AI Lab의 Intern Discovery 토큰 플랜으로 무료 체험 가능. 유료 API 가격은 공개되지 않음.
- Sage-A1.5의 단점은 무엇입니까?
- 여러 승리가 다른 곳에서 거의 보고하지 않는 벤치마크에서 나옴; BrowseComp와 HLE에서 여전히 Kimi-K3와 GPT-5.6-sol에 크게 뒤처짐; 무료 체험 외에 호스팅 가격이 공개되지 않음; 오케스트레이션을 쓰려면 하네스가 하위 에이전트를 실행해야 함.
- Sage-A1.5에 적합한 사람은 누구입니까?
- 자체 호스팅 리서치 또는 브라우징 에이전트를 만들면서, 하위 에이전트 분산과 자기 점검을 맞춤 하네스 코드가 아니라 모델 안에 두고 싶은 팀.
- 팀이나 프로덕션 환경에서 Sage-A1.5의 비용은 얼마입니까?
- 359억 5천만(35.95B) 파라미터로 BF16 기준 약 72GB이므로, 80GB GPU 한 장에 캐시 여유가 거의 없습니다. FP8 빌드는 그 절반이며, Q4_K_M GGUF는 llama.cpp, Ollama, LM Studio에서 실행됩니다.
- Sage-A1.5에 회사 데이터를 맡겨도 안전합니까?
- Apache 2.0이며 사용 제한이 없습니다. Intern Discovery 호스팅 체험의 데이터 조건은 모델 카드에 없으므로, 민감한 작업은 자체 호스팅해야 합니다.
- Sage-A1.5의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 Nanbeige4.3-33B, Qwen3.8-27B, Kimi K3 및 GLM-5.3입니다.
답변 확인일: 2026년 10월 31일.