超越Claude Opus？SIQ-1-35B自动研究能力三模型对比实验

【免费下载链接】SIQ-1-35B 项目地址: https://ai.gitcode.com/hf_mirrors/AlexWortega/SIQ-1-35B

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-5.2（2.078）。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800，matrix_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。

🛡️ 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。

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，n=55，非共同测量）：Opus 4.8 ≈ 1.96，GPT-5.5 ≈ 0.92。

🚀 开始使用SIQ-1-35B

克隆仓库

git clone https://gitcode.com/hf_mirrors/AlexWortega/SIQ-1-35B

llama.cpp (GGUF格式 — 单个48 GB GPU；Q4_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：

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。

【免费下载链接】SIQ-1-35B 项目地址: https://ai.gitcode.com/hf_mirrors/AlexWortega/SIQ-1-35B