Agents-A1 — โมเดล agentic แบบเปิด 35B MoE (Apache 2.0) ที่กลั่นความเก่งจาก 'ครูหลายคน' มาสู้กับโมเดลระดับ frontier
InternScience ปล่อย Agents-A1 เมื่อราว 30 มิถุนายน 2026 — โมเดล agentic แบบ open-weight ขนาด 35B Mixture-of-Experts (MoE) บริบทยาว 256K โทเคน ใบอนุญาต Apache 2.0 ออกแบบมาเฉพาะสำหรับงาน long-horizon ที่เอเจนต์ต้องทำงานต่อเนื่องหลายรอบ — ลูปค้นหา, เรียกใช้ทูล, งานวิจัยเชิงวิทยาศาสตร์ และการทำตามคำสั่งซับซ้อน
จุดขายคือ Agents-A1 อ้างว่าให้ ประสิทธิภาพระดับ frontier บนงานเอเจนต์ ทั้งที่พารามิเตอร์เล็กกว่ามาก และเป็นน้ำหนักเปิดที่ self-host ได้จริง — ไม่ต้องพึ่ง API ปิด
กลั่นจาก “ครูหลายคน” มาสู่ “นักเรียนคนเดียว”
หัวใจของ Agents-A1 อยู่ที่วิธีฝึก 3 ขั้น: supervised fine-tuning → สร้าง โมเดลครูเฉพาะโดเมน (domain-level teacher) แต่ละตัวเก่งเรื่องของตัวเอง → แล้วใช้ multi-teacher on-policy distillation กลั่นความสามารถของครูทุกคนมารวมไว้ในโมเดลนักเรียนตัวเดียว
แนวคิดนี้ตอบโจทย์ปัญหาคลาสสิกของโมเดล agentic: เก่งค้นหาเว็บอาจไม่เก่งเขียนโค้ด, เก่งงานวิทย์อาจตามคำสั่งได้ไม่ดี การมีครูแยกโดเมนแล้วกลั่นรวมกันช่วยให้ตัวเล็กเก็บความสามารถ heterogeneous ได้กว้างโดยไม่ต้องพองพารามิเตอร์
Benchmark: SOTA ในกลุ่ม 35B หลายรายการ
จากหน้าโปรเจกต์ Agents-A1 ทำคะแนนเด่นในกลุ่มโมเดลขนาดเทียบเคียง:
- Seal-0 (long-horizon search): 56.36 — ระบุเป็นผล SOTA โดยรวม
- FrontierScience-Research (งานวิจัยวิทยาศาสตร์): 40.0 — SOTA โดยรวม
- IFBench (การทำตามคำสั่ง): 80.61 — SOTA โดยรวม
- BrowseComp: 75.51 — ดีที่สุดในกลุ่ม 35B
- SciCode (งานวิศวกรรม): 44.33 — ดีที่สุดในกลุ่มเทียบเคียง
ทีมยังเปิด eval harness ให้ reproduce ผลได้ ซึ่งเป็นจุดที่ควรชม — โมเดลเปิดจำนวนมากโชว์ตัวเลขสวยแต่ไม่ให้เครื่องมือวัดซ้ำ
รันเองได้ด้วย vLLM / SGLang
Agents-A1 เสิร์ฟผ่าน vLLM หรือ SGLang ด้วย OpenAI-compatible endpoint (http://localhost:8000/v1) รองรับบริบทถึง 262,144 โทเคน — โค้ดที่เขียนคุยกับ OpenAI API อยู่แล้วชี้ base URL มาที่เครื่องตัวเองได้เลย ด้วยขนาด 35B แบบ MoE (active parameters น้อยกว่าจำนวนรวม) การรันบนเครื่องระดับ workstation ที่มี GPU แรงพอจึงเป็นไปได้จริง ไม่ใช่แค่บนคลัสเตอร์
มุมมอง AI Curator
Agents-A1 อยู่ในคลื่นที่น่าสนใจที่สุดของโมเดลเปิดปี 2026 — โมเดลที่ออกแบบมาเพื่อ “เป็นเอเจนต์” ตั้งแต่ต้น ไม่ใช่โมเดลแชตทั่วไปที่เอามาสวมบทเอเจนต์ทีหลัง การเลือกวัดผลด้วย Seal-0, BrowseComp, FrontierScience แทน MMLU/แชตเบนช์มาร์กเดิม ๆ บอกชัดว่าเป้าหมายคืองาน long-horizon จริง ๆ ที่ต้องวางแผน เรียกทูล และแก้ทีละสเต็ป
เทคนิค multi-teacher distillation ยังชี้เทรนด์เชิงกลยุทธ์: แทนที่จะไล่ตามโมเดลยักษ์ตัวเดียวที่เก่งทุกอย่าง ทีมวิจัยเริ่มหันมา “ประกอบ” ความเก่งจากผู้เชี่ยวชาญหลายตัวลงในโมเดลเล็กที่รันไหว — ซึ่งตรงกับข้อจำกัดจริงของนักพัฒนาส่วนใหญ่ที่ไม่มี H100 เป็นแร็ก
สำหรับทีมไทยและ SEA ที่อยากสร้างเอเจนต์แต่ติดเรื่อง ต้นทุน API และความเป็นส่วนตัวของข้อมูล โมเดลเปิด Apache 2.0 บริบท 256K ที่ออกแบบมาเพื่อ tool-calling โดยเฉพาะคือตัวเลือกที่ควรจับตา — โดยเฉพาะงานที่ข้อมูลออกนอกองค์กรไม่ได้ (เอกสารภายใน, งานวิจัย, ข้อมูลลูกค้า) ข้อควรระวังตามธรรมเนียมคือ ตัวเลข benchmark ที่ทีมรายงานเองต้องรอผลทดสอบอิสระยืนยัน — แต่การที่เขาเปิด eval harness มาด้วยถือเป็นก้าวแรกที่ถูกทางกว่าค่าเฉลี่ยของวงการ
แหล่งข่าว
อ่านเพิ่มในหมวด โมเดลใหม่
Google เปิดตัว Gemini 4 Carbon ขึ้นอันดับ 1 Artificial Analysis v5 ด้วยคะแนน 59 แต่ยังให้ใช้แค่นักป้องกันไซเบอร์กลุ่มเล็ก
Gemini 4 Carbon เปิดตัว 28 ต.ค. แซง Claude Opus 5.5 บน Intelligence Index v5 แค่ 1 คะแนน และตามหลังเพียง 3 คะแนนในดัชนี coding agent ราคาเปิดตัว $2/$10 แต่นักพัฒนาทั่วไปยังเรียกใช้ไม่ได้ ระหว่างที่ Google ค่อย ๆ เปิดผ่านโปรแกรม Fairwind
Microsoft ปล่อย Mage-VL-Cowork โมเดล 4B คุมเดสก์ท็อปและเทอร์มินัลในตัวเดียว ได้ 66% บน OSWorld-Verified สัญญาอนุญาต Apache-2.0
Mage-VL-Cowork ขนาด 4B ของ Microsoft เลือกเองว่าจะคลิกหน้าจอหรือสั่ง bash ทำคะแนน OSWorld-Verified 66.0% ใกล้ค่าอ้างอิงมนุษย์ 72.4% ในตารางเดียวกัน แต่คำว่าดีที่สุดในขนาด 4B มีคู่เทียบบนตารางนี้แค่รุ่นเดียว
Mistral ปล่อยน้ำหนัก Large 4 จริงแล้ว — 1T ราคาลดเกือบครึ่ง แต่บน AA ได้ 26 และสัญญาอนุญาตห้ามขายเป็น API ถ้าไม่มีใบอนุญาตแยก
Mistral ปล่อยน้ำหนัก Large 4 (Le Chonk) เมื่อ 29 ต.ค. เป็นรุ่นที่ฝึก RL ต่ออีกสามสัปดาห์หลัง preview ขนาด 1T ใช้พื้นที่ราว 1.06TB ราคา API ลดเหลือ $0.70/$2.10 Mistral นำ open-weight ด้าน coding แต่คะแนนรวม AA 26 ตามหลังโมเดลจีน และสัญญาอนุญาตกันธุรกิจ Model-as-a-Service