TeksEdge发布DeepSeek V4.1-Flash 竞品模型(2x DGX-Sparks)
一款新的开源权重 DeepSeek V4.1-Flash 竞品刚刚亮相。它可以在 2 台 DGX-Sparks 上运行,并且能够……操作科学软件、检查自己的工作,并修正错误。它采用与 GLM-5.3-Flash 相同的架构。这就是上海人工智能实验室推出的 Sage-S2.1-Flash。
以下是该模型的参数……
🧠 总参数 320B / 激活参数 18B
📚 约 100 万 token 上下文
👁️ 多模态
🔓 MIT 许可证
💾 可下载 BF16 + FP8 权重
上海人工智能实验室展示了它处理 12,487 张混合医学图像的能力。示例应用中,该模型👉识别了 139 张相关的 CT 切片👉在 3D Slicer 中尝试重建👉检测到切片顺序不一致👉纠正了错误👉在 3D 中重建了骨骼。
它不仅仅是描述图像。此外,它还能操作科学软件,并利用验证反馈来纠正自己的工作。而且 Sage 支持 10 多种科学输入类型🧬 DNA / RNA / 蛋白质序列🧪 分子图💎 晶体结构📈 光谱🧠 EEG / ECG 信号。
现在看看开发者报告的这些基准测试结果。
MLE-bench Lite:
🔥 Sage S2.1 Flash → 90.3
🐋 DeepSeek V4.1 Flash → 89.2
🟠 Claude Opus 5 → 88.0
⚫ GLM-5.3-Flash → 84.3
🟣 Qwen3.8-Max → 82.2
🟢 GPT-5.6 Sol → 80.7
与 GLM-5.3-Flash 相比:
OfficeQA Pro 64.7 → 72.2
Harvey LAB 20.0 → 25.0
SpreadsheetBench 2 32.4 → 37.1
Terminal-Bench 2.1 84.3 → 87.9
虽然并非在所有基准测试中都全面胜出,但对于一个科学智能体来说,这些结果已经很有意思了。
⚖️ 权重已经可以获取。
💾 BF16 → 约 645GB
💾 官方 FP8 → 约 330GB
原始权重计算:
4-bit → 约 160GB
3-bit → 约 120GB
2-bit → 约 80GB
还记得本地部署爱好者们为了让 GLM-5.3-Flash 在平价硬件上运行所做的所有工作吗?那么谁会为 192GB 的 Gorgon Halo 或者两台 DGX Sparks 对它进行量化呢?👀
想象一下,运行你自己的科学研究智能体,它不仅仅生成答案。它还能执行实验、检查结果,并纠正自己的错误。链接在回复中。
本文由 AI 翻译自英文原帖,技术名词保留英文。
查看 X 原帖