Agents-A1-4B

Agents-A1-4B 属于 InternScience 的 A1 系列，同系列公开可见的还有 Agents-A1 与 Sage-A1.5。该系列以「Agents」与「Sage」两类命名区分方向，前者偏向工具调用、多步任务执行一类的智能体场景，后者偏向通用问答与知识处理，Agents-A1-4B 处在其中参数规模较小的一端。它要解决的核心问题是部署成本与可控性：4B 量级的纯文本模型在消费级显卡或单卡服务器上就能跑起来，配合 Apache-2.0 许可，使用方可以自由商用、微调与再分发，不必依赖厂商的闭源接口。输入输出均为文本，意味着它不处理图像、音频，适合接入以文字为载体的工作流，例如命令行助手、内部知识检索的回答生成、表单与文档的结构化改写。官方未公开价格，能力项也未标注，本站未收录任何第三方跑分，因此选型时应以自建评测为准，而不是参考榜单。

选型建议需要开源可商用、能本地部署的轻量文本智能体底座时值得评估；若追求开箱即用的强推理效果或需要多模态能力，应另选更大规模或已公开评测的模型。

• 搭建内网可运行的多步任务助手，把检索、工具调用与结果汇总串成闭环
• 对工单、合同、报表等文本做结构化抽取与字段改写，替代人工重复录入
• 在本地显卡环境微调垂直领域问答模型，用于客服或技术文档检索回答
• 为命令行工具、IDE 插件提供轻量文本推理后端，控制响应延迟
• 作为智能体流程中的规划或子任务执行节点，与更大模型分工协作

官方未披露网络结构、注意力机制与训练数据构成，只能从公开的规模与许可信息做定性判断。

• 结构4B 参数、纯文本输入输出，属可单卡或小显存环境部署的轻量稠密模型量级，具体层数与注意力设计公开资料较少。
• 能力命名指向智能体任务，合理预期在指令跟随、工具调用格式与多步拆解上有针对性优化，但官方未标注任何能力项。
• 披露权重以 Apache-2.0 开放，可商用与二次训练；训练语料、上下文长度、分词方案等关键细节未见公开说明。

开源权重

是

许可证

apache-2.0

参数规模

4B

本站未收录该模型的任何公开跑分，以下仅是基于规模与定位的定性判断，实际表现须自行评测。

• 强项4B 量级在延迟与显存占用上有天然优势，适合高频调用、需要本地闭环的智能体流程，权重开放也便于按业务微调。
• 短板小参数模型在长链条推理、复杂代码生成与冷门知识上通常弱于更大规模模型，纯文本模态也限制了多模态场景。
• 适合把模型嵌进内部工具链、对数据不出内网有硬性要求的团队，比追平旗舰模型更看重可控性与单次推理成本。

官方价格未公开，本站也未收录任何接入平台，因此价格层面只能给出结构性判断而非具体结论。

• 定位权重开源、许可宽松，成本主要落在自建推理的算力与运维上，而不是按 token 计费的 API 账单。
• 横向对比同系列 Agents-A1 与 Sage-A1.5 的价格同样未公开，三者无法在单价上做量化比较，只能按参数规模估部署开销。
• 平台差价本站收录平台数为 0，暂不存在多家托管商之间的报价差异，短期内自托管是唯一可确定的路径。
• 省钱可通过量化、批处理与按需加载降低显存占用；若调用量小，自建的前期投入未必优于直接选用成熟托管 API。

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

• 口径官方未标注能力项、未公开价格，本站亦无第三方跑分，任何关于效果与性价比的结论都缺少可核验依据。
• 边界仅支持文本，不覆盖图像、语音与视频；发布信息较新，社区实践、微调脚本与部署样例的积累有限，踩坑成本需自担。

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。