超越Claude OpusSIQ-1-35B自动研究能力三模型对比实验SIQ-1-35B是一款强大的通用AI代理模型具备自动研究、编码和推理能力。它采用创新的MoE架构总参数量达35B但每个token仅激活约3B参数在保持高效能的同时显著降低了计算成本。本文将通过三项关键实验深入对比SIQ-1-35B与Claude Opus等主流模型的自动研究能力。 自动研究对决SIQ-1-35B vs Claude Opus vs GLM-5.2在一项严格控制的三方自动研究测试中SIQ-1-35B展现出令人瞩目的性能。实验基于openai/parameter-golf项目每个模型在相同的Pi-Agent框架下独立运行2小时通过编辑train_gpt.py - 训练(300秒) - 评估val_bpb - 保留/恢复的循环进行优化。SIQ-1-35B最终达到了val_bpb 1.767的成绩12次实验完整2小时与Claude Opus 4.8约1.76不相上下远超GLM-5.22.078。值得注意的是GLM在基线模型上停滞不前——它唯一的假设是增加深度这实际上损害了指标并在约65分钟后停止生成操作而SIQ通过调整学习率调度和容量编辑如warmdown从1200调整到800matrix_lr从0.04调整到0.05等持续改进。 GPQA-Diamond性能测试效率与准确性的完美平衡在包含198个问题的完整GPQA-Diamond测试中所有模型均以Q4_K_M GGUF格式、贪婪模式temp 0和相同的测试框架运行。结果显示SIQ-1-tiny-35b是帕累托最优它不仅实现了最高的准确率还使用了最少的tokens见下图。这款仅激活3B参数的模型在性能上超越了完整的35B基础模型和Nex-N2-mini同时每个问题消耗的tokens更少。基准测试SIQ-1-tiny-35bNex-N2-miniQwen3.6-35BGPQA-Diamond (Q4, 共同测量)70.267.268.2GPQA-Diamond (bf16, 完整评估)90.282.6—每个问题的tokens数GPQA平均值3158✅33633500️ BullshitBench v2对抗谄媚与虚假信息的能力在BullshitBench v2测试中我们评估了模型对虚假信息的抵制能力推回和谄媚倾向。评分范围为0-2清晰推回2 / 部分推回1 / 接受0。评估小组由claude-sonnet-4.6 gpt-5.2 gemini-3.1-pro组成取平均值评委只看到最终答案去除思维链不使用系统提示温度设为0.7。模型平均分/2清晰推回部分推回接受SIQ-1-tiny-35b(high/think)1.047451738Nex-N2-Pro (free)1.040334324虽然平均分持平但表现特征明显不同SIQ的立场更鲜明45次清晰揭露虚假信息38次完全接受而Nex则较为犹豫很少完全接受但也很少强硬推回——大多是部分推回。参考数据官方bullshit-benchmark不同评估小组n55非共同测量Opus 4.8 ≈1.96GPT-5.5 ≈0.92。 开始使用SIQ-1-35B克隆仓库git clone https://gitcode.com/hf_mirrors/AlexWortega/SIQ-1-35Bllama.cpp (GGUF格式 — 单个48 GB GPUQ4_K_M约21 GB)以下是我们推荐的运行参数docker run -d --gpus all --network host -v /models:/m ghcr.io/ggml-org/llama.cpp:server-cuda \ -m /m/SIQ-1-35B.Q4_K_M.gguf --alias SIQ-1-tiny-35b \ -ngl 99 -c 131072 -np 4 --jinja --host 0.0.0.0 --port 8080--jinja必需Qwen3聊天模板 →/think 工具标签启用enable_thinking。-ngl 99所有层都在GPU上-c 131072总上下文在-np 4个槽位间分配每个约32k — 智能代理循环需要足够的空间。如果只进行短推理可以降至-c 65536。在:8080端口提供OpenAI兼容接口。推理模式与系统提示Qwen3格式的混合推理可通过chat_template_kwargs.enable_thinking参数在每个请求中切换模式切换参数行为适用场景Thinkingenable_thinking: true(默认)先输出/think … /RichMediaReference然后给出答案复杂推理、数学、代理规划No-thinkenable_thinking: false直接回答指令遵循、高吞吐量任务推理努力是可训练的控制项— 系统提示中的Reasoning effort: low | medium | high可调整思维链长度high适用于复杂推理。对于客观推理使用贪婪模式temp 0— 它比temp 0.7的准确率高出约8个百分点。SIQ-1-35B作为一款高效能的通用AI代理在自动研究、复杂推理和抵制虚假信息方面展现出与更大规模模型相抗衡的能力。其创新的MoE架构使其在保持高性能的同时大幅降低了计算资源需求为AI研究和应用开辟了新的可能性。无论你是研究人员、开发者还是AI爱好者SIQ-1-35B都值得你一试。创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
