三个档位，三个别人的底座
9 月 10 日，Abacus.AI 一次性放出了三个开放权重语言模型，命名 Smaug。真正值得琢磨的不是它发了什么，而是三个模型的底座：Smaug Agentic 跑在月之暗面的 Kimi K3 上，Smaug Flash 基于 DeepSeek V4 Flash，Smaug Mini 则是 Qwen3.8 27B。三款都是中国团队预训练出来的开源权重，Abacus.AI 做的是在其之上做面向 Agent 场景的后训练。
按官方公布的信息，Smaug Agentic 保留 Kimi K3 的 2.8 万亿参数混合专家架构、单 token 激活约 1040 亿参数、约 105 万 token 上下文，以及一个 4 亿参数的视觉编码器；Smaug Flash 保留 DeepSeek V4 Flash 的百万级上下文与服务接口，主打常驻型个人与企业 Agent；Smaug Mini 是 27B 稠密多模态模型，上下文约 26 万 token，面向高并发轻推理。权重在 Hugging Face 开放，也可走 Abacus.AI 自家的 RouteLLM 接口调用。
公司的说法是，这套微调方法能把长程 Agent 循环的表现提升 15% 到 20%，且不额外增加算力成本；而开放权重的推理成本，通常是 Anthropic、OpenAI 前沿模型的十分之一到百分之一。CEO Bindu Reddy 的表态是：开源权重正在快速逼近闭源前沿，但在长程 Agent 循环里仍然偏弱，Smaug 就是为了补上这一段。
它到底改了什么
技术细节其实给得比同类发布更具体，值得单独看。
Smaug Agentic 走的是监督微调路线，喂的是筛选过的多轮工具调用轨迹。其中一处关键处理，是把模型的推理 token 从损失函数里屏蔽掉——模型看得到自己的思考过程，但不被监督去模仿那段思考。官方给出的结果是：推理长度的中位数几乎不变，但长尾被压掉了。在一个代码推理子题上，推理长度的 99 分位降到基座模型的 0.62 倍，超过六万字符的失控思考从 8 例降到 3 例，撞到 65k 上限被截断的从 2 例降到 0 例。
Smaug Flash 的做法更取巧。它由三个 LoRA 适配器串起来训练——两步监督微调加一步偏好优化——最后合并成完整增量，而只改动了注意力机制里的因子矩阵，共 129 个。专家层、路由、embedding、投机解码模块与官方权重保持逐字节一致。这句话的实际含义是：任何能跑 DeepSeek V4 Flash 的推理栈，不改一行代码就能跑 Smaug Flash。
官方还提到一个评测中踩到的坑：回传历史时，推理内容与工具调用字段必须保留，但一些非标准的 provider 字段要剥掉，否则不少兼容 OpenAI 接口的服务会直接拒收。
评测数字该怎么读
厂商自报的成绩单里，有几处需要分开看。
Smaug Agentic 在 DeepSWE 上拿到 69.9，高于基座 Kimi K3 的 67.5，但低于同期闭源前沿模型公布的 73.0 与 70.0。在终端任务基准上拿 86.5，甚至略低于基座的 88.3。也就是说，体量最大的那一档，提升并不均匀，并非每一项都赢。
真正有含金量的在中间那一档。Smaug Flash 的综合分到 77.4，基座为 74.2，与一款高价闭源模型公布的 76.0 大致在同一区间；在 Agent 编码子项上从 46.8 提到 61.1，自动化基准从 25.1 提到 38.8。用一款便宜得多的 DeepSeek 微调，去跟一款高价闭源模型打得有来有回，这是这次发布里最值得记的一点。
需要标注的口径有三处：其一，所有数字都是厂商自报，未见第三方复现；其二，部分对照值来自不同测试框架、判分模型与采样设置，不能当作统一的横向对比；其三，体量最大的那档是在 8 张 B300、温度 1.0、推理力度拉满的条件下测的，这种配置与日常生产负载差距很大。
把「便宜 100 倍」拆开
先把逻辑理清。Smaug 是微调，不是基础模型。它的底子来自 DeepSeek、月之暗面、阿里投入重金预训练出来的开源权重，Abacus.AI 改的是行为，不是架构。所谓 10 到 100 倍，是拿自托管开源模型的边际推理成本，去比闭源 API 的标价——两边比的不是同一件事。
一个 2.8 万亿参数的模型要跑起来，需要一整套 GPU 集群、供电、散热与工程师，而且闲置时同样在付钱。厂商自己的评测就跑在 8 张 B300 上。换句话说，开源省下的主要是闭源厂商的毛利，而这份毛利并没有消失，它转移到了卖芯片、卖算力、卖电的环节。
还有一个容易被忽略的变量：负载曲线。很多「便宜十倍」的结论建立在满负荷假设上，一旦实际请求量偏低，折旧、电力与运维被摊薄到更少的调用上，单位成本会迅速翻转。评估自托管方案时，应当把 GPU 折旧、电费、闲置成本与运维人力一起摊进去，再和闭源 API 比。
同一天的另一条消息
把这次发布放到同一周的语境里看，会更有意思。同样是 9 月 10 日，Anthropic 发布了一份滥用报告，称观测到近 2 亿次与蒸馏相关的交互，归因于五起独立行动，其中规模最大的一起被指向一家中国公司：2026 年 5 月至 7 月共约 1.51 亿次交互，峰值接近每天 300 万次，分布在约 3500 个账号上。
这里必须说清楚：这是 Anthropic 单方面的调查结论，归因方法主要依赖行为特征（账号、提示词、时间分布），而非直接身份证据；「近 2 亿次」也没有独立第三方复核。把它当成一纸定论并不严谨。围绕这份报告的争议也值得记录：有研究者公开表示，这类行为更准确的称呼是滥用与越狱，而蒸馏是整个行业都在使用的后训练手段，把正常技术与大规模能力窃取混为一谈，最终可能反噬开放生态本身。
两条消息并排看，一边是中国开源权重被海外团队拿去二次加工成企业产品，一边是美国闭源模型被指被大规模取经，两股水流的流向正好相反。这本身说明一件事：中国开源权重已经成了全球 Agent 二次开发的重要地基。
对国内团队的三条提醒
其一，选边站。要么做底座，自研预训练，重资本、长周期；要么做最后一公里，即 Agent 化后训练加垂直数据加分发。夹在中间、只做通用接口转卖的那一层，会被上下两头挤掉。
其二，算力账要算全。评估「自托管能省多少」时，把折旧、电、闲置与人力都算进去，再和闭源 API 比。满负荷的漂亮数字，在低负载场景里经常翻车。
其三，合规链条要留痕。无论做底座还是做微调，数据与权重来源的授权链条会越来越重要。蒸馏争议升温，意味着「你的训练数据从哪来」迟早会被追问。
Abacus.AI 这波操作的聪明之处，是它没有去卷预训练，而是把别人的开源自重当原料，去卷 Agent 里最难也最值钱的一段：长任务不崩、工具调用不出错。但「便宜 100 倍」更像一个舆论杠杆，撬动的是话题，不是账单。真正稳赚的，往往不是改模型的人，而是给他供电、供卡、供机架的人。
该系列模型的训练数据构成、完整许可条款与商业化定价，目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。