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 and 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.

Evaluation Protocol and Roadmap

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.