Agents-A1 ve Sage-A1.5: hangi ajan işi için hangisi?

Kısa yanıt: genel ajan işi için Agents-A1, alt ajanlı bilimsel görev için Sage-A1.5

LLMTR, farklı sağlayıcıların dil modellerine tek bir OpenAI uyumlu API ile erişim veren bir gateway'dir. Agents-A1 (internlm/agents-a1-free) ve Sage-A1.5 (internlm/sage-a1.5-free), https://llmtr.com/v1 adresindeki /v1/chat/completions uç noktasından llmtr.com hesabınızın API anahtarıyla 31 Ekim 2026 23:59'a (TSİ) kadar ücretsiz çağrılır. Uzun soluklu arama, mühendislik, bilimsel araştırma, talimat takibi ve araç çağrısı içeren genel bir ajan kuracaksanız Agents-A1'i; işi alt ajanlara bölüp ilerlemeyi denetlemesi ve kanıtı doğrulaması gereken uzun soluklu bilimsel bir görev için Sage-A1.5'i kullanın. 31 Ekim 2026'dan sonra yerlerine ücretli Qwen3.6 35B-A3B (qwen/qwen3.6-35b-a3b) ya da ücretsiz Nemotron 3.5 Super VL (nvidia/nemotron-3.5-super-vl-free) kullanılır.

İki model de 35 milyar toplam, 3 milyar aktif parametreli uzman karışımı (MoE) modelidir. LLMTR'de ikisi de 262.144 token bağlam penceresi sunar, metin ve görsel kabul eder, response_format ile json_object ve json_schema destekler ve araç çağırır; ağırlıkları Apache 2.0 lisanslıdır. Fark, işin nasıl düzenlendiğindedir: Sage-A1.5'in model kartı, modelin tek tek görevleri çözmenin yanında işi organize etmeyi ve yürütme sırasında yaklaşımını değiştirmeyi öğrendiğini söyler.

• InternScience (Shanghai AI Lab), Agents-A1 model kartı · 2026-10-22
• InternScience (Shanghai AI Lab), Sage-A1.5 model kartı · 2026-10-22

Agents-A1 mi, Sage-A1.5 mi?

Agents-A1'in model kartı onu InternScience'ın 35B MoE ajan modeli olarak tanımlar: uzun soluklu arama, mühendislik, bilimsel araştırma, talimat takibi ve araç çağrısı alanlarında ölçeklenmiştir ve fonksiyon çağrısını yerel olarak destekler. Sage-A1.5'in kartı modeli Qwen3.6 ve Agents-A1 üzerine kurulu 35B MoE ajan modeli olarak tanımlar ve ayrı bağlamları olan alt ajanların paralel çalışmasını anlatır. Bu tarife göre Agents-A1'i tek bir ajanın adım adım ilerlediği bir döngüde, Sage-A1.5'i bir görevi bağımsız alt sorulara bölen bir düzende kullanın.

Tablo iki satırı LLMTR kataloğundaki ve iki model kartındaki değerlerle gösterir. Bağlam, girdi türleri, JSON ve düşünme ayarı iki modelde aynıdır; seçim görevin biçimine bağlıdır.

Sage-A1.5'te alt ajanlar: spawn_subagent aracını siz tanımlarsınız

Sage-A1.5'in model kartına göre alt ajan düzenlemesi, modele spawn_subagent adlı bir aracın tanıtılmasıyla etkinleşir; kart, görev bağımsız araştırmalara bölündüğünde modelin bu aracı çağırdığını söyler. LLMTR'de bu sıradan bir araç çağrısıdır: aracı istekteki tools listesinde siz tanımlarsınız, model aracı çağırırsa dönen tool_calls içindeki alt görevleri kendi kodunuzda çalıştırırsınız ve her sonucu aynı tool_call_id ile role: "tool" mesajı olarak geri verirsiniz. Alt ajanları sizin kodunuz çalıştırır, LLMTR değil.

Karttaki tanımda tasks adlı bir dizi vardır; her öğe task (kendi başına anlaşılır bir alt soru), context (alt ajanın bilmesi gereken arka plan ve kısıtlar) ve expected_output (beklenen yanıt biçimi) alanlarını taşır. Kart, alt ajanların ana konuşmayı görmediğini söyler; ihtiyaç duydukları her şeyi context içinde verin. Her alt görevi ayrı bir istekle Sage-A1.5'e, Agents-A1'e ya da başka bir modele gönderebilirsiniz.

İki modelde de LLMTR model kartı tool_choice için auto ya da adlandırılmış fonksiyon kullanmanızı söyler. Alt ajan kararını modele bırakmak için auto gönderin; belirli bir adımda aracın mutlaka çağrılması gerekiyorsa o istekte {"type": "function", "function": {"name": "spawn_subagent"}} biçimini kullanın.

• InternScience (Shanghai AI Lab), Sage-A1.5 model kartı · 2026-10-22

Aynı araştırma görevini iki modele göndermek

Aşağıdaki Python örneği aynı araştırma görevini iki modele gönderir. Agents-A1 araçsız çalışır; Sage-A1.5'e spawn_subagent tanımı ve tool_choice olarak auto verilir; model aracı çağırırsa alt görevler, çağırmazsa yanıt metni yazdırılır. Gerçek bir akışta bu alt görevleri çalıştırıp sonuçlarını role: "tool" mesajlarıyla geri verir ve Sage-A1.5'ten son yanıtı istersiniz.

İki model de varsayılan olarak yanıttan önce düşünür; düşünme metni reasoning_content alanında gelir ve düşünme token'ları max_tokens'a sayılır. Bu yüzden örnekte max_tokens 8192'dir. Yanıt finish_reason length ile dönerse sınırı yükseltin; kısa ara adımlarda düşünmeyi "reasoning": false ile ya da model kimliğine :fast ekleyerek kapatabilirsiniz. reasoning_effort bu iki satırda 400 döner.

Aynı araştırma görevini Agents-A1'e ve spawn_subagent aracı tanımlanmış Sage-A1.5'e https://llmtr.com/v1/chat/completions üzerinden gönderip dönen araç çağrılarını yazdıran OpenAI Python SDK örneği.

import json
import os

from openai import OpenAI

client = OpenAI(base_url="https://llmtr.com/v1", api_key=os.environ["LLMTR_API_KEY"])

TASK = "Review how three common degradation mechanisms of perovskite solar cells are studied, and give one open question for each."

# The subagent tool in the shape Sage-A1.5's model card describes. Your own code runs each task.
SPAWN_SUBAGENT = {
    "type": "function",
    "function": {
        "name": "spawn_subagent",
        "description": "Run independent sub-questions in parallel. A subagent sees only what you pass in its task.",
        "parameters": {
            "type": "object",
            "properties": {
                "tasks": {
                    "type": "array",
                    "minItems": 1,
                    "items": {
                        "type": "object",
                        "properties": {
                            "task": {"type": "string"},
                            "context": {"type": "string"},
                            "expected_output": {"type": "string"},
                        },
                        "required": ["task", "context", "expected_output"],
                    },
                }
            },
            "required": ["tasks"],
        },
    },
}

# Both ids: no charge until 31 October 2026 23:59 (TRT), 410 from 1 November 2026.
# Then use "qwen/qwen3.6-35b-a3b" (paid, tool_choice "auto") or "nvidia/nemotron-3.5-super-vl-free".
RUNS = {
    "internlm/agents-a1-free": {},
    "internlm/sage-a1.5-free": {"tools": [SPAWN_SUBAGENT], "tool_choice": "auto"},
}

for model, extra in RUNS.items():
    response = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": TASK}],
        max_tokens=8192,
        **extra,
    )
    message = response.choices[0].message
    print(model, response.choices[0].finish_reason, response.usage.prompt_tokens, response.usage.completion_tokens)
    for call in message.tool_calls or []:
        tasks = json.loads(call.function.arguments).get("tasks", [])
        print("  tool call:", call.function.name, call.id, len(tasks), "subtasks")
        for item in tasks:
            print("    -", item.get("task"))
    if not message.tool_calls:
        print(message.content)

Hangi durumda hangisi?

Aşağıdaki seçimler iki modelin kartlarındaki tarif ile LLMTR'deki ortak özelliklerden çıkar; çıktı kalitesini kendi örneklerinizle karşılaştırın.

• Tek bir ajanın arama, kod ya da araç çağrısıyla adım adım ilerlediği genel bir akış: Agents-A1, tool_choice auto ile.
• Bir görevi bağımsız alt sorulara bölüp sonuçları toplayan uzun soluklu bilimsel bir araştırma: Sage-A1.5, spawn_subagent aracıyla.
• Belirli bir adımda belirli bir aracın mutlaka çağrılması gereken akış: ikisi de olur; o istekte adlandırılmış fonksiyon gönderin.
• Ekran görüntüsü, şekil ya da tablo görseli içeren ajan adımları: ikisi de metin ve görsel kabul eder; görevin tek ajanlı mı alt ajanlı mı olduğuna göre seçin.
• Hassas, kişisel ya da müşteri verisi: 31 Ekim 2026'ya kadar ücretsiz olan iki satırı da kullanmayın; istemler ve tamamlamalar sağlayıcı tarafından günlüğe kaydedilebilir ve modeli geliştirmek için kullanılabilir.

Günlük hak ve 1 Kasım 2026 sonrası

İki satır da 31 Ekim 2026 23:59'a (TSİ) kadar ücretsizdir ve bakiyenizden ücret düşmez. Her hesap her model için ayrı olarak günde 500.000 token kullanabilir; girdi ve çıktı birlikte, düşünme token'ları dahil sayılır, hak her gün 00:00'da (TSİ) yenilenir ve yeni hesaplar ilk gün daha düşük bir hakla başlar. Alt görevleri de Sage-A1.5'e gönderirseniz hepsi aynı hakkı tüketir; Agents-A1'e gönderdikleriniz o modelin ayrı hakkından düşer. Hak bitince istek 429 rate_limit_error döner ve Retry-After başlığı ne zaman tekrar deneyeceğinizi söyler.

1 Kasım 2026 00:00'dan (TSİ) itibaren iki kimlik de 410 model_retired döner ve istekler başka bir modele yönlendirilmez; model kimliğini değiştirmeniz gerekir. Ücretli devam için Qwen3.6 35B-A3B'yi (qwen/qwen3.6-35b-a3b) kullanın: aynı boyut sınıfındadır, Sage-A1.5'in kartı Qwen3.6 üzerine kurulduğunu söyler ve LLMTR'de 1 milyon token başına 0,07 $ girdi ve 0,70 $ çıktıdır; ancak isteği araç çağırmaya zorlayan tool_choice biçimlerini desteklemez, orada auto gönderin. 31 Ekim 2026'dan sonra ücretsiz devam etmek için Nemotron 3.5 Super VL'nin günlük kotalı satırını (nvidia/nemotron-3.5-super-vl-free) kullanın.

Agents-A1 ve Sage-A1.5'i aynı görevle karşılaştırma

Aynı LLMTR anahtarıyla aynı araştırma görevini iki modele gönderin, Sage-A1.5'e spawn_subagent aracını tanımlayın ve sonuçları karşılaştırın.

1. Anahtar. llmtr.com'da Panel > API Anahtarları altında bir API anahtarı oluşturun.
2. Aynı görev. Aynı görevi iki model kimliğiyle https://llmtr.com/v1/chat/completions uç noktasına gönderin; Sage-A1.5 isteğine spawn_subagent tanımını ekleyin.
3. Seçim. Yanıtları, alt görev listesini ve token kullanımını karşılaştırıp model kimliğini seçin.

Sık sorulan sorular

Sage-A1.5'te alt ajanları kim çalıştırır?

Siz. spawn_subagent aracını tools listesinde tanımlarsınız; model aracı çağırırsa dönen alt görevleri kendi kodunuzda çalıştırır ve sonuçları aynı tool_call_id ile role: "tool" mesajı olarak geri verirsiniz. Model kartı alt ajan düzenini bu araçla tarif eder.

Agents-A1 ve Sage-A1.5'te tool_choice nasıl kullanılır?

LLMTR model kartı iki modelde de auto ya da adlandırılmış fonksiyon kullanmanızı söyler. Modelin karar vermesi için auto, belirli bir aracı zorlamak için {"type": "function", "function": {"name": "..."}} gönderin.

1 Kasım 2026'dan sonra bu iki model ne olur?

İkisi de 410 model_retired döner ve başka bir modele yönlendirilmez. Ücretli devam için qwen/qwen3.6-35b-a3b, 31 Ekim 2026'dan sonra ücretsiz devam için nvidia/nemotron-3.5-super-vl-free kimliğini kullanın.

İlgili yazılar

• Shanghai AI Lab modelleri: Intern-S2'den Sage-A1.5'e beş model
• Agents-A1 ile araç çağıran ajan döngüsü kurmak
• Agents-A1, Sage-A1.5 ve Qwen3.6 35B-A3B karşılaştırması

• Agents-A1 model sayfası
• Sage-A1.5 model sayfası
• Qwen3.6 35B-A3B model sayfası
• Nemotron 3.5 Super VL (ücretsiz) model sayfası
• Araç çağırma dokümantasyonu
• Düşünme kontrolü dokümantasyonu