Hugging Face Daily Papers 于 2026 年 11 月 16 日收录该报告。标题写作 Sage S2.1 Flash,摘要介绍的是 Sage S1.5 Flash:一个 3200 亿参数的通用混合专家模型,用于对科学证据做推理,并在交互环境中采取行动。材料没有训练数据、算力或完整分数表,下文只整理摘要已经写明的架构、智能体设定和部分名次。

科学模态接入共享骨干

Sage Sci-Perception 为分子图和生物序列配备专用编码器,光谱表示为按顺序排列的测量值补丁。模态专用投影器把这些表示映射到共享骨干的输入空间,再与文本、图像一起处理。分子连接、生物序列和光谱测量因此不必先画成图再当普通视觉输入。摘要未说明编码器结构、是否联合训练以及光谱如何切分,Sci-Perception 只能理解为接口,不能当成可复现实现。

可验证环境中的智能体

为发展智能体能力,作者构造可验证环境,覆盖工具使用、搜索和编码,以及机器学习实验、科学软件等专门工作流。任务是否完成,对照执行结果、环境状态变化或提交产物来检查。办公工作簿、实验产物和桌面状态可以成为可判定信号,而不是模型口头宣称成功。摘要未给出环境数量、任务配比和训练步数。

33 项基准里写出的名次

评测覆盖七个领域共 33 项基准。与五个基线的主对比中,该模型在 OfficeQA Pro(72.2)、MLE-bench Lite(90.3 HumanRank)、Harvey LAB 和 SpreadsheetBench 2 上排名第一;在 OSWorld-Verified(85.2)、WebArena-Verified(67.6)和 DeepResearch Bench II(54.2)上排名第二。摘要指出:使用文献证据、产出可核验工作簿、执行机器学习任务是相对强项;需要根据视觉反馈操作桌面和浏览器的流程则有竞争力。Harvey LAB 与 SpreadsheetBench 2 未给分数,五个基线是谁、其余基准分数如何均未写,不能把 33 项读成处处领先。

我的判断

把科学多模态感知和可验证执行放进同一个 3200 亿 MoE,问题设定清楚:既要读分子、序列和光谱,也要在工具、代码、实验和办公文档里交出可检查的结果。对科学助手、可核验表格和机器学习实验工作流,OfficeQA Pro、SpreadsheetBench 2 与 MLE-bench Lite 的名次有信息量。边界同样硬:材料只是摘要,缺数据配方、缺基线名单、缺失败案例;桌面与浏览器仍是第二名,视觉闭环是否稳定无法判断。读成科学智能体已被解决,过早;读成「科学编码器加可验证环境」的一份成绩单,则与给定材料匹配。