InternScience、エージェントモデル Agents-A1 を公開──35B で GPT-5.5 級の推論性能を実現
35B パラメータの MoE アーキテクチャにより、GPT-5.5 や DeepSeek-V4-pro に匹敵する推論・ツール利用精度を単一 GPU で実現した。
リリース: 2026-06-29 · 読了 5 分記事の要約
1. 核心（What）
- InternScience が 35B パラメータの MoE（Mixture-of-Experts）エージェントモデル Agents-A1 を公開。
- IFBench で 80.6、GAIA で 96.0、FrontierScience-Olympiad で 79.0 のスコアを記録。
- 262K トークンのコンテキスト長をサポートし、vLLM および SGLang による推論環境を標準提供。
- mlx-community による量子化版も提供され、Mac 環境での実行にも対応。
2. 影響（Why）
- 推論コストの劇的な圧縮: GPT-5.5 級の性能を 35B モデルで実現したことで、これまで巨大モデルの API に依存していた複雑なエージェントワークフローを、自前 GPU サーバーで安価に運用できる。
- 国内 SaaS における自前運用: 推論特化型エージェントを自社インフラで完結させたい中規模の Vertical SaaS 事業者は、API コストを抑えつつ専門ドメインの推論精度を確保する選択肢として検討すべき。
3. 根拠・詳細（How）
- 3 段階の学習パラダイム: 全ドメインの教師あり微調整（SFT）、ドメイン専門教師モデルの訓練、およびヘテロジニアスな知識転移を目的としたマルチドメイン・オンポリシー蒸留を採用。
- 推論エンジンの最適化: vLLM および SGLang において、reasoning-parser に qwen3 を指定することで、複雑なツール利用と推論プロセスを 1 枚の H100 GPU 上で 262K コンテキストまで処理可能。
4. 展望・課題（Next）
- 評価コードの標準化: リポジトリ内の evaluation ディレクトリにて、ツール利用やマルチステップ推論を再現可能にする評価フレームワークを公開中。