Scaling the Horizon, Not the Parameters: Reaching Trillion-Parameter Performance with a 35B Agent

该论文提出 Agents-A1，一个 35B 参数的 Mixture-of-Experts agentic 模型，通过扩展 agent horizon（平均轨迹长度 45K tokens）达到万亿参数级别性能。关键方法包括：三阶段训练（全领域 SFT → 领域教师模型 → 多教师领域路由策略蒸馏）。在 SEAL、IFBench、HiPhO 等长程任务基准上超越或持平 Kimi-K2.6、DeepSeek-V4-pro 等万亿参数模型。

1. 导购 agent 落地： 该工作验证了通过长轨迹训练小模型可达到大模型效果，直接支持我用 35B 级模型运行导购 agent，降低推理成本。计划在场景中测试轨迹长度对任务完成率的影响。
2. 技术选型改变： 之前倾向优先部署大参数模型，现在意识到可通过扩轨迹和蒸馏达到相同效果，更关注自己的 agent 系统能否收集长轨迹数据。接下来需构建导购域的长轨迹 pipeline。
3. 情报平台集成： 论文的 multi-teacher 蒸馏策略可指导我设计多领域知识管理方案，用于平台自动为不同论文生成摘要。