OpenCSG esittelee Agentic-sarjansa toisen julkisen version Hugging Face -palvelun mallikortissa. Pandaily uutisoi mallista 7. marraskuuta mallikortin ja yhtiön kiinankielisen teknisen esittelyn pohjalta.

Agentic-27B on tarkoitettu tekoälyagentteihin eli ohjelmiin, jotka hoitavat työtehtäviä mallin avulla. Mallikortin mukaan malli on viritetty valitsemaan oikean skillin eli tehtävää varten paketoidun ohje- ja työkalukokonaisuuden, muodostamaan kelvolliset työkalukutsut, lukemaan työkalujen palauttamat tulokset ja toipumaan virheistä.

Pohjana on Qwen3.8-27B, jossa on noin 27,36 miljardia parametria. Edeltäjän pohjana oli Qwen3-30B-A3B. Se on MoE-malli eli käyttää kussakin laskuvaiheessa vain osaa parametreistaan.

OpenCSG hienosääti mallia LoRA DPO -menetelmällä. DPO:ssa malli oppii vastauspareista suosimaan parempaa vastausta, ja LoRA kouluttaa koko mallin sijaan vain pienen lisäosan. Koulutusesimerkkejä oli 5 857, kun edellisessä versiossa niitä oli noin 3 000. Esimerkit on koottu OpenCSG:n alustan käytöstä, esimerkiksi heikosti pisteytetyistä vastauksista ja epäonnistuneista työkalukutsuista.

Tulokset ovat yhtiön omia

OpenCSG arvioi mallin omalla Agentic Eval -testillään, jonka 119 agenttitehtävää ajettiin kukin kolmesti. Pisteistä 80 prosenttia tulee tehtävän suorittamisesta ja 20 prosenttia toimintavarmuudesta, ja summa kerrotaan turvallisuuspisteellä. Ajokerta hyväksytään, kun pisteet ovat vähintään 0,75. Pisteytyksessä käytettiin myös arvioijamallia.

Pisteet saatiin vain 103 tehtävästä 119:stä, ja niiden keskiarvo oli 0,83. Kaikki kolme ajokertaa onnistuivat 74 tehtävässä ja vähintään yksi 96 tehtävässä. Mallikortin kohokohdissa jälkimmäinen luku esitetään muodossa 96/119, ja sitä verrataan edeltäjän lukuun 37/119. Edeltäjän keskiarvoksi kerrotaan 0,46.

Pandailyn mukaan OpenCSG vertaa kolmesti onnistuneiden tehtävien määrää edeltäjän 11 tehtävään ja kertoo mallin sijoittuneen testatuista malleista toiseksi. Pandaily muistuttaa, että versioita verrattaessa on otettava huomioon pisteytettyjen tehtävien eri määrä. Sen mukaan tulokset eivät myöskään todista, että malli toimisi luotettavasti yrityksen omissa järjestelmissä.

Arena-Hard-v2.0-testi mittaa vaikeiden kehotteiden noudattamista ja luovaa kirjoittamista. Siinä hard_prompt-pisteet nousivat edeltäjän 26,6:sta 57,68:aan ja creative_writing-pisteet 48,2:sta 68,39:ään.

Testissä riitti yksi GPU

OpenCSG ajoi mallia vLLM-inferenssipalvelimella yhdellä NVIDIA A800 -GPU:lla, jossa on 80 gigatavua muistia. BF16-muotoiset painot veivät muistia 51,1 GiB. Yhtiön mukaan muistinkulutus riippuu muun muassa kontekstin pituudesta ja vLLM-versiosta. Testin konteksti-ikkuna oli 32 768 tokenia, vaikka mallin asetuksissa enimmäispituus on 262 144 positiota.

Yksittäinen pyyntö tuotti noin 29 tokenia sekunnissa, kahdeksan samanaikaista pyyntöä yhteensä noin 213.

Mallikortin mukaan mallin tuotoksia ei pidä käyttää tarkistamatta lääketieteellisiin, oikeudellisiin tai taloudellisiin päätöksiin eikä laajoja oikeuksia vaativiin toimiin. Arkaluonteiset muutokset vaativat ihmisen vahvistuksen ja mahdollisimman suppeat käyttöoikeudet.

Painot ovat ladattavissa Hugging Facesta OpenCSG:n mallien ja aineistojen lisenssisopimuksen ehdoin. Kaupalliseen käyttöön on pyydettävä yhtiöltä lupa sähköpostitse, myös kun malli, järjestelmä, agentti, API-palvelu tai tuote on koulutettu Agentic-27B:n pohjalta tai paranneltu sillä. Mallikortissa on käynnistysesimerkki vLLM:lle.