새로운 오픈 웨이트(open-weights) DeepSeek V4.1-Flash의 경쟁자가 방금 등장했습니다.
이 모델은 2x DGX-Sparks에 적합하며...
과학 소프트웨어를 작동시키고, 자체 작업을 확인하며, 실수를 수정할 수 있습니다.
이는 GLM-5.3-Flash와 동일한 아키텍처를 사용합니다.
이 모델은 Shanghai AI Lab의 Sage-S2.1-Flash입니다.
모델 통계는 다음과 같습니다...
🧠 총 320B / 활성 18B
📚 약 1M 토큰 컨텍스트
👁️ 멀티모달(Multimodal)
🔓 MIT 라이선스
💾 BF16 + FP8 가중치 다운로드 가능
Shanghai AI Lab은 이 모델이 12,487개의 혼합 의료 이미지로 작동하는 것을 시연했습니다.
예시 애플리케이션: 이 모델은 단순히 이미지를 설명하는 데 그치지 않았습니다.
👉 관련성 있는 CT 슬라이스 139개 식별
👉 3D Slicer에서 재구성을 시도
👉 슬라이스 순서 불일치 감지
👉 오류 수정
👉 골격을 3D로 재구성
또한, 과학 소프트웨어를 작동시키고 검증 피드백을 사용하여 자체 작업을 교정했습니다.
그리고 Sage는 10가지 이상의 유형의 과학적 입력을 지원합니다.
🧬 DNA / RNA / 단백질 서열
🧪 분자 그래프
💎 결정 구조
📈 스펙트라
🧠 EEG / ECG 신호
이제 개발자들이 보고한 벤치마크 점수를 살펴보세요.
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
그리고 GLM-5.3-Flash와 비교했을 때:
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
모든 벤치마크에서 완벽한 승리는 아니지만, 과학 에이전트로서 흥미로운 결과입니다.
⚖️가중치는 이미 공개되었습니다.
💾 BF16 → 약 645GB
💾 공식 FP8 → 약 330GB
원시 가중치 계산:
4비트 → 약 160GB
3비트 → 약 120GB
2비트 → 약 80GB
Localmaxxers가 GLM-5.3-Flash를 저렴한 하드웨어에서 구동시키기 위해 기울인 모든 노력을 기억하십니까?
그렇다면 이를 192GB Gorgon Halo나 두 개의 DGX Sparks에 양자화(quantize)할 사람은 누가 될까요? 👀
단순히 답변을 생성하는 것을 넘어, 자체적인 과학 연구 에이전트를 구동한다고 상상해 보세요.
실험을 수행하고, 결과를 확인하며, 자신의 실수를 수정합니다.
답글에 링크를 첨부했습니다.