Agents-A1

Agents-A1 属于 InferX 自有的 Agents 系列，定位在智能体（agent）场景而非单纯对话。它把三项能力集中在一个模型上：多步推理、工具调用、附件输入，配合 262000 tokens 的上下文窗口与最高 100000 tokens 的单次输出，可以承载长任务链条——例如一次性读完大段资料、连续调用外部工具、再产出结构化成稿。开源权重意味着团队可自行部署与二次适配，官方定价为输入输出双向免费，目前仅在一家平台收录，可获得性与横向可比数据都还比较有限。对希望低成本验证 agent 流程的团队，它是可用的候选；对要求成熟评测背书的正式生产选型，现阶段证据不足。

选型建议需要免费、开源权重、长上下文且能跑工具调用的 agent 试验场时选它；要求有公开跑分背书或成熟多平台服务保障的生产选型，暂不建议首选。

• 搭建需要多轮工具调用的自动化助手，完成检索、执行与结果复核
• 一次性读入长篇合同或技术文档，输出结构化摘要与差异比对
• 接收带图表或截图的附件，理解后生成文字分析结论
• 在自有算力上部署开源权重，做垂直领域的微调与内网集成
• 批量生成万字级别的长文本初稿，再由人工编辑修订

公开技术资料较少，官方未披露参数规模与具体网络结构，以下仅基于能力面与接口特征作定性描述。

• 结构采用开源权重发布，团队可自行下载部署或做微调，具体参数规模与层结构官方未公开说明。
• 能力原生支持推理、工具调用与图像附件输入，输出为纯文本，适合把视觉信息纳入 agent 决策链。
• 上下文262000 tokens 窗口搭配最高 100000 tokens 单次输出，长文档通读与长结果生成在同一轮内完成。
• 披露缺乏架构白皮书与训练细节，实际鲁棒性需以自建任务集验证，不宜直接采信口头定位。

开源权重

是

本站未收录该模型的第三方跑分，缺少可核验的量化依据，以下为基于能力配置的定性判断。

• 强项长上下文与超长输出组合，适合跨多份材料做归纳、比对，并一次性产出成篇幅结果。
• 强项工具调用为内置能力，配合推理环节，可搭建检索、执行、复核的多步 agent 流程。
• 短板无公开跑分与榜单佐证，复杂推理的实际水平无法与同价位的成熟模型直接对齐。
• 适合图像附件与文本混合的输入场景，例如带图表的报告解析、界面截图理解后触发操作。
• 边界输出仅文本，不产出图像或结构化多模态结果，视觉生成类需求需另配模型。

官方标价为输入与输出双向免费，配合开源权重，试用与自部署的成本门槛都很低。

• 定位零价格策略更像生态引流与能力验证入口，而非按量计费的商业产品线。
• 横向对比同厂 Ornith、Qwen3.6、Gemma 4、Qwen3-Coder-Next 等多款模型同为免费，价格不构成区分度。
• 平台差价目前仅 models.dev 及其 inferx 条目收录，两处报价一致，暂无跨平台套利空间。
• 省钱自托管可省去调用费用，但要自行承担显存与运维成本，需按实际并发量核算。
• 风险免费策略与单一平台收录都可能在后续调整，长期项目应预留迁移方案。

同一个模型在不同网关的报价可能不同。本页基准取官方口径 免费 / 免费（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径本站未收录任何第三方跑分，能力描述只能停留在配置层面，不能推断实际强弱排名。
• 边界官方未公开参数规模、训练数据与推理框架细节，架构层面的评估缺乏可核验依据。
• 覆盖仅 1 家平台收录，服务稳定性、限流策略与区域可用性都缺少多源交叉验证。
• 时效免费定价发布于 2026 年 6 月，后续是否延续需以厂商最新公告为准。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。