★ FEATURED ARTICLE 人工智能大模型多模态AI Agent工具调用代码模型【免费下载链接】occamy-1.0项目地址https://ai.gitcode.com/hf_mirrors/Accio-Lab/occamy-1.0点击查看免费下载Occamy-1.0是 Accio-Lab 开源的 35B 参数激活仅 3BAgent 协作大模型。本文基于官方 README.md 的完整跑分数据逐一解读它12 项基准测试的真实表现——对比 GPT-5.6 Sol、Qwen3.8-Max、DeepSeek V4 Pro 等旗舰模型看看这款小钢炮到底强在哪、弱在哪、以及它的性价比为什么这么夸张。 先花 30 秒认识 Occamy-1.0一句话概括为真实工作场景而生的开源协作智能体模型。关键指标数值总参数 / 激活参数35B / 3BMoE 架构专家数256 个每 token 激活 8 路由 1 共享上下文长度262,144 tokens视觉能力带视觉编码器图像输入训练配方SFT → HDPO → 专家合并 → SAO开源协议Apache 2.0见 LICENSE它的定位不是取代 GPT 干所有事而是专注长程、有状态的任务连续调用搜索、代码、工具、文件和结构化 API 完成多步骤专业工作流。架构细节可查阅 config.jsonqwen3_5_moe架构、40 层、混合线性/全注意力。 跑分总览12 项基准测试四大能力维度官方评测覆盖12 项基准测试横跨 4 个维度共 14 个细分指标。先看结论性的一句话在 35B 级别的开源模型中Occamy-1.0 是综合第一与 GPT-5.6 Sol 这类旗舰闭源模型正面交锋部分科目不落下风其余科目以约 1/5 ~ 1/10 的推理成本拿到接近的性价比位置。维度基准测试Occamy-1.0 得分同级别冠军旗舰参考GPT-5.6 Sol协作 Co-workClaw-Eval平均分82.2069.9081.80协作 Co-workClaw-EvalPass³71.4054.8068.90协作 Co-workWildClawBench49.1645.9167.20协作 Co-workCommerceAgentBench37.3837.4049.50协作 Co-workBusiness Arena$79,868 $66,292$168,867协作 Co-workGDPval1,1281,0041,741协作 Co-workOfficeQA Pro48.1059.4074.40协作 Co-workτ³-BenchBanking37.1025.8046.90工具调用AutomationBenchPass¹27.6018.5045.50工具调用AutomationBench部分分69.1058.0081.20工具调用BFCL v465.4068.5164.33工具调用VitaBench41.7546.0046.75编程Terminal-Bench 2.159.0067.8088.80指令遵循IFEval91.5391.6095.00 注加粗为该尺寸分组内的最高分完整表格与脚注见 README.md 的Full Evaluation章节。 Co-work主场作战同级别断层领先Co-work协作工作流是 Occamy 的核心训练目标跑分也最能说明问题Claw-Eval 平均 82.20不仅碾压同级别的 Qwen3.6-35B-A3B69.50、Ornith-1.564.40甚至以微弱优势反超 GPT-5.6 Sol81.80Claw-Eval Pass³ 71.40Pass³ 是连续跑 3 次都成功的严格稳定性指标Occamy 比同级别最强对手高出 26 分说明它的长任务执行不只是能跑通而是跑得稳Business Arena $79,868该基准直接衡量模型干活创造的生意价值比基座 Qwen3.6-35B-A3B$44,751翻倍仅次于 GPT-5.6 Sol 的 $168,867τ³-BenchBanking37.10多步骤金融客服类任务上比同级别最强25.80高出 11 分。给你的解读如果你的场景是让 AI 连续干完一整件事查资料→写代码→改文件→调 APIOccamy-1.0 是当前 35B 档开源模型里最稳的选择。 工具调用与编程强项明显但别高估工具调用维度 Occamy 拿下AutomationBench 双料第一Pass¹ 27.60 / 部分分 69.10自动化编排能力在同级别中一骑绝尘BFCL v4 的 65.40 则略胜 GPT-5.6 Sol64.33。但需要诚实指出两块短板Terminal-Bench 2.1 只得 59.00与旗舰的 88.80 差距明显——纯终端编码深度上Occamy 目前仍属够用而非顶尖同级别 Ornith-1.5 的 67.80 更高VitaBench 41.75日常生活类工具场景未进前二。官方也明确提醒检索密集型任务和模拟用户交互仍有提升空间原生浏览器/桌面视觉操作暂不支持。 性价比这份报告最炸裂的部分上面这张图横跨 4 项基准Claw-Eval、WildClawBench、AutomationBench、GDPval做了归一化聚合横轴是每个任务的推理成本对数刻度纵轴是归一化综合得分GPT-5.6 Sol 综合分最高约 97但每任务成本接近 $1Qwen3.8-Max 约 $0.45Occamy-1.0 位于整条帕累托前沿的最低成本拐点knee综合分约 58与 DeepSeek V4 Pro0813、GLM-5.2 几乎持平但成本只有它们的1/3 ~ 1/3.5相比自己的起点 Qwen3.6-35B-A3B性能从约 22 跳到 582.6 倍成本仅从 $0.049 涨到 $0.06 左右。一句话用一杯咖啡不到的成本拿到一线旗舰约六成的综合能力——这就是3B 激活参数带来的推理成本优势。️ 上手提示如何部署跑分同款模型官方推荐 SGLang 或 vLLM 部署vLLM ≥ 0.19.0SGLang ≥ 0.5.108 卡张量并行 262K 上下文暴露 OpenAI 兼容接口可直接接入 OpenClaw、Hermes Agent 等 Agent 框架。完整启动命令见 README.md 的Deployment章节推理参数temperature1.0、top_p0.95、开启 thinking 保留建议照抄Model Usage示例。模型权重、GGUF / FP8 / NVFP4 等量化格式均已开源对话模板为 chat_template.jinja视觉预处理配置见 preprocessor_config.json。✅ 总结它适合谁你的情况建议本地/私有化部署需要低成本长任务 Agent⭐ Occamy-1.0 首选需要最强综合智力、预算充足GPT-5.6 Sol 仍是天花板纯终端编程深度任务优先考虑旗舰模型关心开源协议与可商用Apache 2.0放心使用Occamy-1.0 证明了一件事MoE 稀疏激活 专注后训练完全可以在 3B 激活成本下逼近旗舰模型的协作能力——这正是这份 12 项跑分报告最值得记住的结论。赞分享人工智能大模型多模态AI Agent工具调用代码模型【免费下载链接】occamy-1.0项目地址https://ai.gitcode.com/hf_mirrors/Accio-Lab/occamy-1.0点击查看免费下载相关推荐基准测试深度解读NVIDIA-Nemotron-3.5-Super-VL-120B-A12B对比Qwen3.5、DeepSeek-V4等旗舰模型表现如何基准测试深度解读NVIDIA Nemotron 3.5 Super VL 120B A12B对比Qwen3.5、DeepSeek V4等旗舰模型表现如何 NV为什么越来越多人选择 AndroidAPS开源闭环胰岛素系统完整上手指南为什么越来越多人选择 AndroidAPS开源闭环胰岛素系统完整上手指南 凌晨三点血糖仪的报警声刺破寂静。你摸黑开灯、采血、读数然后判断该补一针还是吃移动开发医疗健康智能硬件FinFIRST评测结果完整解读GPT-5.6-Sol以71.54% Strict Pass领跑15个金融模型配置横评FinFIRST评测结果完整解读GPT 5.6 Sol以71.54% Strict Pass领跑15个金融模型配置横评 本文带你完整解读 FinFIR上一篇企业微信开发终极指南快速集成WeUI打造专业移动应用下一篇Vagrant多平台支持Windows、macOS、Linux配置差异终极指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
阅读完成 · 觉得有帮助？
