Компания OpenCSG представила модель Agentic-27B, которая доступна для загрузки и предназначена для развертывания в частных корпоративных средах и многоэтапного использования инструментов. В техническом описании на китайском языке подчеркивается акцент на выборе навыков, формировании аргументов для инструментов, восстановлении после сбоев и проверке завершенности поставленной задачи.
Этот релиз является второй публичной версией в серии Agentic компании. Он заменил предыдущую базовую модель Qwen3-30B-A3B типа 'mixture-of-experts' на более плотную модель Qwen3.8-27B. OpenCSG сообщила, что для обучения использовалась адаптация низкого ранга (low-rank adaptation) и прямая оптимизация предпочтений (LoRA DPO) на записях выполнения, полученных через собственную платформу.
Набор данных для обучения предпочтений увеличился примерно с 3000 примеров до 5857. OpenCSG уточнила, что эти образцы включают траектории использования инструментов, ответы с низкой оценкой, неудачные вызовы и обратную связь по верификации, причем все записи были отредактированы, проверены и отфильтрованы перед началом обучения. Модель имеет около 27,36 миллиарда параметров и веса в формате BF16.
Все представленные результаты бенчмаркинга предоставлены самой OpenCSG. В своем тесте Agentic Eval компания зафиксировала средний балл около 0,83, что заняло второе место среди протестированных моделей. Этот набор задач включает 119 заданий, каждое из которых было выполнено трижды, однако в подробной карточке модели указано, что только 103 задания получили действительные оценки.
Из этих 103 оцениваемых задач, 74 прошли все три попытки, а 96 прошли хотя бы один раз. OpenCSG сравнивает количество успехов за три попытки с показателем 11 для своей предыдущей модели. Важно отметить, что это подсчет количества задач, а не процентов, и следует учитывать разницу в охвате оценки при сравнении релизов. Эти результаты не являются независимой сертификацией надежности в собственных системах компании.
OpenCSG также сообщила о возможности развертывания модели на одном устройстве NVIDIA A800 с 80 ГБ памяти. В ходе тестирования веса BF16 потребляли 51,1 ГБ, при контексте обслуживания размером 32 768 токенов и поддержке до восьми одновременных запросов. При этом тестовый контекст меньше максимального значения конфигурации модели, которое составляет 262 144 позиции.
Китайская карточка модели содержит важное уточнение относительно открытого выпуска: коммерческое использование требует получения разрешения в соответствии с Лицензионным соглашением на модель и набор данных OpenCSG. Загружаемые веса не предоставляют неограниченного коммерческого разрешения, включая разрешение на производные модели, агенты или продукты API. Кроме того, OpenCSG указывает, что чувствительные операции записи должны сопровождаться подтверждением человека и контролем наименьших привилегий.
