Abacus.AI lansează trei modele open-weight Smaug pentru sarcini agentice

Abacus.AI, pe 10 septembrie 2026, a prezentat linia Smaug, trei modele de limbaj open-weight ajustate fin pentru sarcini agentice în mediul enterprise: Smaug Agentic, Smaug Flash și Smaug Mini. Toate trei sunt disponibile pentru descărcare pe Hugging Face și pot fi utilizate și prin API-ul RouteLLM al companiei.

Modelele au fost prezentate în cadrul platformei enterprise agentic AI a Abacus.AI și al Super Assistant. Compania a declarat că întreprinderile pot găzdui modelele în propriul mediu cloud VPC, având control total asupra datelor și asupra locului în care este găzduită inteligența artificială, iar organizațiile preocupate de securitate și confidențialitatea datelor pot găzdui Smaug Agentic pe un cluster GPU intern.

Abacus.AI descrie Smaug ca o tehnică de fine‑tuning aplicabilă oricărui model de bază open‑source și afirmă că îmbunătățește performanța buclelor agentice de lungă durată cu 15–20% fără a crește costurile. Compania susține că acest lucru permite întreprinderilor să implementeze agenți AI auto‑îmbunătățiți la scară, la costuri ale modelelor open‑source, pe care le descrie ca fiind în mod tipic de 10–100 de ori mai mici decât cele ale modelelor de frontieră de la Anthropic și OpenAI.

„Modelele open‑weight reduc rapid diferența față de modelele închise de frontieră, dar încă performează inferior în buclele agentice de lungă durată”, a declarat Bindu Reddy, CEO al Abacus.AI, în anunțul companiei. Reddy a precizat că linia Smaug rezolvă această deficiență, rămânând în același timp de 10–100 de ori mai ieftină decât modelele closed‑source.

Conform brief‑ului tehnic al companiei, linia a apărut din cauza costurilor și ineficienței rulării buclelor agentice mari cu contexte ample și apeluri repetate de instrumente, agravate de degradarea memoriei tampon a prompturilor în intervale de timp. Metodologia combină trasări agentice curate de oameni, din lumea reală, cu date sintetice bazate pe exemple dificile, iar brief‑ul raportează îmbunătățiri constante în codarea agentică, utilizarea instrumentelor în lumea reală, automatizare și raționament pe contexte lungi, precum și urmarea instrucțiunilor, atunci când este aplicată pe o gamă de modele de bază open‑weight.

Smaug Agentic

Smaug Agentic, cel mai mare model din linie, este o ajustare supravegheată a modelului Kimi K3 de la Moonshot AI, un model mixture‑of‑experts cu 2,8 trilioane de parametri în total, 104 miliarde de parametri activați, o lungime de context de 1.048.576 de tokeni și encoder‑ul vizual MoonViT‑V2, conform fișei modelului. Ajustarea nu modifică niciun parametru arhitectural, iar modelul este lansat sub Licența Kimi K3 moștenită de la modelul de bază, ale cărei condiții trebuie respectate de utilizatori. Fișa specifică că antrenarea a folosit traiectorii de codare multi‑turn, cu utilizare de instrumente, curățate, în care tokenii de raționament sunt mascați din funcția de pierdere, astfel încât antrenamentul ghidează acțiunile modelului menținând distribuția de raționament a modelului de bază intactă; conținutul setului de date nu este dezvăluit.

Fișa raportează scoruri de 94,1 la GPQA Diamond, 75,7 la AA‑LCR, 69,9 la DeepSWE, 86,5 la Terminal‑Bench 2.1, 60,8 la SciCode, 64,6 la LiveBench codare agentică, 31,0 la AutomationBench și 81,0 la MMMU‑Pro. Se menționează creșteri față de baza Kimi K3 de 2,4 puncte la DeepSWE, 2,4 la LiveBench codare agentică, 2,1 la SciCode, 1,0 la AA‑LCR și 0,6 la GPQA Diamond.

Fișa raportează, de asemenea, că lungimea raționamentului p99 scade la aproximativ 0,6× față de modelul de bază pe SciCode și AA‑LCR, în timp ce lungimea răspunsului vizibil rămâne statistic indistinguibilă de Kimi K3. În cele 113 sarcini DeepSWE și peste șapte ore de lucru continuu, compania a declarat că a înregistrat zero erori de infrastructură și zero timeout‑uri. Deoarece arhitectura nu a fost modificată, Smaug Agentic rulează oriunde rulează Kimi K3, având rețete publicate de servire pentru vLLM, SGLang și TokenSpeed. Anunțul poziționează modelul ca un înlocuitor eficient din punct de vedere al costurilor pentru modelele de clasă Opus.

Smaug Flash and Smaug Mini

Smaug Flash este ajustat fin pe DeepSeek V4 Flash 0731 și vizează agenți enterprise auto‑îmbunătățiți. Brief‑ul menționează că modelul de bază este predispus la „girări și confuzie” în utilizarea de instrumente agentice pe contexte lungi, iar Smaug Flash remediază această problemă menținând avantajele de cost și viteză ale modelului de bază. Anunțul descrie Smaug Flash ca fiind optimizat pentru agenți personali care se pot conecta la aplicații de mesagerie precum WhatsApp, Telegram și Slack și pot menține conversații de lungă durată cu utilizatorii. Scorurile raportate în brief în comparație cu modelul de bază DeepSeek V4 Flash 0731, cu Claude Sonnet 5 ca coloană de referință, includ 77,4 versus 74,2 la LiveBench în ansamblu, 61,1 versus 46,8 la LiveBench codare agentică, 56,6 versus 54,4 la DeepSWE 1.1, 38,83 versus 25,1 la AutomationBench public 600 sub criteriul strict de trecere și 73,3 versus 54,2 la NL2repo‑bench.

Smaug Mini este un model de 27 de miliarde de parametri ajustat fin pe Qwen3.8 27B, destinat cazurilor de utilizare multimodale și sarcinilor de raționament mai mici. Brief‑ul raportează 76,9 versus 75,3 ale modelului de bază la LiveBench în ansamblu, 82,0 la IFBench, 41,8 versus 37,3 la AutomationBench, 50,5 versus 33,4 la protocolul oficial de 65 de sarcini al JobBench și 55,8 versus 42,3 la NL2repo‑bench, cu Claude Sonnet 5, Claude Opus 4.6 și GPT‑5.6 Luna ca coloane de referință. Anunțul descrie Smaug Mini ca fiind potrivit pentru sarcini simple și chatboți enterprise și afirmă că întreprinderile pot ajusta în continuare modelul pe propriile date.

Protocol de evaluare și plan de dezvoltare

Brief‑ul tehnic precizează că evaluările au fost efectuate de Abacus.AI utilizând același cadru pentru fiecare model, cu excepția celor marcate cu o cratimă ca scoruri raportate din alte surse, și că rândurile LiveBench provin din clasamentul LiveBench publicat la data de 25 iunie 2026. Fișa Smaug Agentic menționează că rezultatele au fost generate pe o implementare dedicată 8×B300, la o temperatură de 1,0, cu efort de raționament setat la maxim, iar evaluarea SciCode include o corecție pentru un defect din lanțul anterior care a lăsat 12 subprobleme imposibile de rezolvat. Compania a declarat că modelele sunt listate pe LiveBench sub filtrul de fine‑tunes al clasamentului.

Abacus.AI a afirmat că linia Smaug este atât o lansare de produs, cât și o demonstrație a tezei sale conform căreia, prin metodologia potrivită de fine‑tuning, modelele open‑weight pot concura și depăși modelele de frontieră în sarcini AI agentice. Compania a precizat că intenționează să continue dezvoltarea liniei pe măsură ce modelele de bază evoluează și biblioteca sa de trasări agentice crește.