Abacus.AI představuje tři modely Smaug s otevřenou vahou pro agentní úlohy

Abacus.AI dne 10. září 2026 představil řadu Smaug, tři jazykové modely s otevřenou vahou, doladěné pro podnikovou agentní zátěž: Smaug Agentic, Smaug Flash a Smaug Mini. Všechny tři jsou k dispozici ke stažení na Hugging Face a lze je také použít prostřednictvím API RouteLLM společnosti.

Modely byly představeny v rámci platformy enterprise agentic AI společnosti Abacus.AI a Super Assistant. Společnost uvedla, že podniky mohou modely provozovat ve svém vlastním cloudovém VPC prostředí, což jim poskytuje plnou kontrolu nad jejich daty a místem, kde je AI hostována, a že organizace, které se obávají bezpečnosti a soukromí dat, mohou hostovat Smaug Agentic na interním GPU clusteru.

Abacus.AI popisuje Smaug jako techniku doladění, která je použitelná na jakýkoli open-source základní model, a uvádí, že zvyšuje výkon dlouhodobých agentních smyček o 15–20 % bez zvýšení nákladů. Společnost tvrdí, že to umožňuje podniku nasadit samo‑zlepšující se AI agenty v rozsahu za náklady open-source modelů, které jsou obvykle 10–100 × nižší než u špičkových modelů od Anthropic a OpenAI.

„Modely s otevřenou vahou rychle uzavírají mezeru vůči špičkovým uzavřeným modelům, ale stále zaostávají v dlouhodobých agentních smyčkách,“ řekl Bindu Reddy, generální ředitel společnosti Abacus.AI, ve svém oznámení. Reddy uvedl, že řada Smaug řeší tuto nedostatečnost a přitom zůstává 10–100 × levnější než modely se zavřeným zdrojovým kódem.

Podle technické zprávy společnosti řada vznikla z důvodu vysokých nákladů a neefektivity provozu velkých agentních smyček s rozsáhlým kontextem a opakovanými voláními nástrojů, což dále zhoršovalo selhávání mezipaměti výzev během časových mezer. Metodika kombinuje lidsky kurátorované, reálné agentní stopy se syntetickými daty založenými na obtížných příkladech a zpráva uvádí konzistentní zlepšení v oblasti agentního programování, reálného používání nástrojů, automatizace a dlouhého kontextového uvažování a plnění instrukcí při aplikaci na řadu open-weight základních modelů.

Smaug Agentic

Smaug Agentic, největší model v řadě, je dozorované doladění modelu Kimi K3 od Moonshot AI, modelu typu mixture‑of‑experts s celkem 2,8 bilionu parametrů, 104 miliardami aktivních parametrů, délkou kontextu 1 048 576 tokenů a vizuálním enkodérem MoonViT‑V2, podle jeho modelové karty. Doladění nemění žádné architektonické parametry a model je vydán pod licencí Kimi K3, kterou dědí ze základního modelu a jejíž podmínky uživatelé musí dodržovat. Karta uvádí, že trénink využíval kurátorované vícekrokové, nástroj‑používající programovací trajektorie s maskovanými tokeny uvažování z lossu, takže trénink řídí akce modelu a zároveň zachovává rozdělení uvažování základního modelu; obsah datové sady není zveřejněn.

Karta uvádí výsledky 94,1 v GPQA Diamond, 75,7 v AA‑LCR, 69,9 v DeepSWE, 86,5 v Terminal‑Bench 2.1, 60,8 v SciCode, 64,6 v LiveBench agentic coding, 31,0 v AutomationBench a 81,0 v MMMU‑Pro. Uvádí také zlepšení oproti základnímu modelu Kimi K3 o 2,4 bodu v DeepSWE, 2,4 v LiveBench agentic coding, 2,1 v SciCode, 1,0 v AA‑LCR a 0,6 v GPQA Diamond.

Karta také uvádí, že p99 délka uvažování klesá na přibližně 0,6 × základního modelu u SciCode a AA‑LCR, zatímco viditelná délka odpovědi zůstává statisticky nerozeznatelná od Kimi K3. V rámci 113 úloh DeepSWE a více než sedmi hodin nepřetržitého provozu společnost uvedla, že zaznamenala nulové chyby infrastruktury a nulové časové limity. Protože architektura zůstává nezměněna, Smaug Agentic běží kdekoliv Kimi K3, s publikovanými recepty pro nasazení ve vLLM, SGLang a TokenSpeed. Oznámení představuje model jako nákladově efektivní náhradu modelů třídy Opus.

Smaug Flash a Smaug Mini

Smaug Flash je doladěn na model DeepSeek V4 Flash 0731 a cílí na podnikové samo‑zlepšující se agenty. Zpráva uvádí, že základní model je náchylný k „zákrutám a zmatkům“ při dlouhém kontextu agentního používání nástrojů a že Smaug Flash toto řeší a zároveň si zachovává výhody nákladů a rychlosti základního modelu. Oznámení popisuje Smaug Flash jako optimalizovaný pro osobní agenty, kteří se mohou připojit k aplikacím pro zasílání zpráv, včetně WhatsApp, Telegram a Slack, a udržovat dlouhodobé konverzace s uživateli. Ve zprávě jsou uvedeny výsledky oproti základnímu modelu DeepSeek V4 Flash 0731, s Claude Sonnet 5 jako referenčním sloupcem: 77,4 versus 74,2 v celkovém LiveBench, 61,1 versus 46,8 v LiveBench agentic coding, 56,6 versus 54,4 v DeepSWE 1.1, 38,83 versus 25,1 v veřejném 600 AutomationBench pod přísným průchodem a 73,3 versus 54,2 v NL2repo‑bench.

Smaug Mini je model s 27 miliardami parametrů doladěný na Qwen3.8 27B, zaměřený na multimodální případy použití a menší výpočetní úlohy. Zpráva uvádí 76,9 versus 75,3 základního modelu v celkovém LiveBench, 82,0 v IFBench, 41,8 versus 37,3 v AutomationBench, 50,5 versus 33,4 v oficiálním 65‑úkolovém protokolu JobBench a 55,8 versus 42,3 v NL2repo‑bench, přičemž jako referenční sloupce jsou uvedeny Claude Sonnet 5, Claude Opus 4.6 a GPT‑5.6 Luna. Oznámení popisuje Smaug Mini jako vhodný pro jednoduché úlohy a podnikové chatboty a uvádí, že podniky jej mohou dále doladit na svých vlastních datech.

Protokol hodnocení a plán dalšího vývoje

Technická zpráva uvádí, že hodnocení prováděla společnost Abacus.AI pod stejným testovacím rámcem pro každý model, pokud není označeno křížkem jako výsledek nepocházející z tohoto rámce, a že řádky LiveBench jsou čerpány z publikovaného žebříčku LiveBench ze dne 25. června 2026. Karta Smaug Agentic uvádí, že její výsledky byly získány na dedikovaném nasazení 8×B300 při teplotě 1,0 s maximálním úsilím o uvažování a že hodnocení SciCode zahrnuje opravu upstreamové vady, která zanechala 12 podúloh nevyřešitelných. Společnost uvedla, že modely jsou v LiveBench zařazeny pod filtrem finetunes žebříčku.

Společnost Abacus.AI uvedla, že řada Smaug je zároveň vydáním produktu a demonstrací jejího tvrzení, že s vhodnou metodikou doladění mohou modely s otevřenou vahou konkurovat a překonávat špičkové modely v agentních AI úlohách. Společnost dále uvedla, že očekává pokračovat v rozvoji řady, jak se budou vyvíjet základní modely a její knihovna agentních stop poroste.