Smaug Agentic
Abacus AI · abacusai/Smaug-Agentic
Licença dos pesos: Termos do publicador: Kimi K3 · código e componentes podem ter outros termos
Qualidade
Qualidade · Geral
LiveBench 2026-06-25 · 0 a 100 · maior é melhor · este modelo em destaque, #2 de 23
- Cor = publicador
- Memória em revisão
Fonte: LiveBench 2026-06-25 · coletado 2026-10-18 · modelos abertos sem nota não aparecem (sem nota ≠ 0)
Sem resultado em LMArena 2026-10-22 Sem resultado no LMArena 2026-10-22
Categorias do LiveBench
Média deste modelo por categoria · 0 a 100
Fonte: LiveBench 2026-06-25 · coletado 2026-10-18 · modelos abertos sem nota não aparecem (sem nota ≠ 0)
Informado pelo publicador
- GPQA Diamond
- 94,1
- AA-LCR
- 75,7
- DeepSWE
- 69,9
- Terminal-Bench 2.1
- 86,5
- SciCode
- 60,8
- LiveBench (Agentic Coding)
- 64,6
- AutomationBench
- 31,0
- MMMU-Pro
- 81,0
Valores como impressos na ficha, com a configuração do próprio publicador (seção da ficha: 3. Evaluation Results); coluna “Smaug-Agentic (max)”. Não comparáveis entre publicadores e fora de qualquer ranking. Ficha do modelo
Qualidade × memória
Qualidade × memória
LiveBench 2026-06-25 geral vs. memória de planejamento Q4 (escala log) · 19 modelos abertos
- Este modelo
- Cor = publicador
Memória = o número do próprio modelo: parâmetros × 0,625 byte + 20% de margem, antes da reserva de qualquer máquina; com uma máquina escolhida, o total nela com a reserva (25% da memória, de 2 a 8 GB; 2 GB por placa de vídeo). Estimativa, não VRAM medida. LiveBench 2026-06-25
Roda em
Mais memória que qualquer perfil do catálogo
Mesmo o maior perfil (8 × 80 GB, somados) fica abaixo desta estimativa de planejamento. Montagens com vários nós estão fora deste catálogo.
Smaug Agentic é um modelo de texto da Abacus AI com 2.800B de parâmetros, dos quais 104B ativos por token (mistura de especialistas). Foi lançado em 10 de setembro de 2026 e lê até 1.048.576 tokens de contexto. Os pesos em Q4 com a margem de trabalho somam cerca de 2.100 GB, mais do que a memória rápida de todas as máquinas de referência. Nenhum arquivo GGUF ou MLX dele foi coletado do Hub, então esta página não lista tamanhos de arquivo nem comandos. Sua nota geral no LiveBench 2026-06-25 é 79,5.
Nas máquinas de referência
| Onde fica o Q4 | ||
|---|---|---|
| Mac mini M2 · 8 GB unificadosMaior que a memória | ~2.102 GB | Maior que a memória |
| Mac mini M4 · 16 GB unificadosMaior que a memória | ~2.104 GB | Maior que a memória |
| Mac mini M4 · 24 GB unificadosMaior que a memória | ~2.106 GB | Maior que a memória |
| Mac mini M4 · 32 GB unificadosMaior que a memória | ~2.108 GB | Maior que a memória |
| Mac mini M5 Pro · 64 GB unificadosMaior que a memória | ~2.108 GB | Maior que a memória |
| Mac Studio M5 Max · 128 GB unificadosMaior que a memória | ~2.108 GB | Maior que a memória |
| Mac Studio · M5 Ultra · CPU de 36 núcleos / GPU de 80 núcleos · 512 GB unificadosMaior que a memória | ~2.108 GB | Maior que a memória |
| RTX 4060 · 8 GB de VRAMMaior que a memória | ~2.102 GB | Maior que a memória |
| RTX 3060 · 12 GB de VRAMMaior que a memória | ~2.102 GB | Maior que a memória |
| RTX 5080 · 16 GB de VRAMMaior que a memória | ~2.102 GB | Maior que a memória |
| RTX 4090 · 24 GB de VRAMMaior que a memória | ~2.102 GB | Maior que a memória |
| RTX 5090 · 32 GB de VRAMMaior que a memória | ~2.102 GB | Maior que a memória |
| DGX H100 · 8 × 80 GBMaior que a memória | ~2.116 GB | Maior que a memória |
Nenhum arquivo GGUF ou MLX foi coletado para este checkpoint, então a tabela não tem coluna de arquivo; os valores Q4 são estimativas de planejamento pela contagem de parâmetros, não execuções medidas.
Compare Smaug Agentic pela ficha do publicador e pelo snapshot LiveBench 2026-06-25. Isto é evidência de qualidade, não de velocidade local.
Os pesos em Q4 com a margem de trabalho somam cerca de 2100 GB a partir de 2.800B parâmetros declarados, antes da reserva da máquina (Roda em soma a reserva de cada máquina). Não é um mínimo medido; contexto, lote, runtime e quantização mudam o uso real de memória.
Velocidade medida
Nenhuma medição publicada para este checkpoint
Tokens por segundo só aparecem quando uma fonte os publica com hardware, build e configuração. Nunca são estimados.
Como rodar
A memória necessária acima é a carga Q4 antes da reserva da máquina. Fórmula: parâmetros × 0,625 byte, mais 20% de margem; cada máquina soma então a reserva do sistema: 25% da memória unificada ou do sistema, de 2 a 8 GB, ou 2 GB por GPU em placas dedicadas. Não é VRAM medida nem tamanho do download do checkpoint.
Apenas estimativa de planejamento Q4. Verifique formato do checkpoint, suporte do runtime, cache KV, contexto, tamanho de lote e offload antes de escolher hardware.
Formas documentadas de rodar
A ficha do modelo aponta para outra página sem comando próprio
Nível da evidência: Apenas estimativa genérica; nenhuma execução reproduzida por este site.
- Versões para baixar
- — Nenhum arquivo GGUF ou MLX coletado do Hub para este checkpoint
- Amostragem padrão do publicador
- — Nenhum dado de arquivos do Hub coletado para este checkpoint
- Marcadores do template de chat
- — Template de chat não lido para este checkpoint
Antes de baixar
- Confirme o checkpoint exato e a licença vinculada aqui.
- Confirme runtime e precisão ou quantização compatíveis com sua plataforma.
- Reserve memória para contexto, lote e eventuais componentes de mídia além dos pesos.
Detalhes técnicos
O que a fonte e o catálogo guardam deste checkpoint. Campos ausentes ficam de fora, nunca como zero.
- Checkpoint / versão
- abacusai/Smaug-Agentic
- Tarefa e modalidade
- linguagem e raciocínio · texto + imagem
- Contagem e base
- 2.800B · especificação do fabricante · 104B ativos
- Contexto
- 1.048.576 tokens publicados para este modelo
- Arquitetura
- MoE
- Lançamento
- Abacus.AI Launches the Smaug Line of Open-Weight Models Optimized for Enterprise Agentic AI Use Cases (PR Newswire, dateline Sept. 10, 2026) · consultado em 2026-10-10fonte
- Runtime e precisão
- Nenhuma execução local verificada.
- Uso comercial
- Permitido com condições Operadores de modelo como serviço acima de USD 20 mi de receita anual precisam de acordo; produtos grandes exibem "Kimi K3" · Kimi K3 license (moonshotai/Kimi-K3 LICENSE) · consultado em 2026-10-18texto da licença
Todos os campos guardados
- Revisão conferida
- 3cfed21972e7db48b277a349137e09a44142ec6c
- Arquitetura
- KimiK3ForConditionalGeneration
- Biblioteca
- transformers
- Tag de tarefa no Hub
- image-text-to-text
- Formatos
- safetensors
- Repositório criado
- 2026-08-10criação não é o lançamento do modelo
- Repositório atualizado
- 2026-09-09um commit não é data de lançamento
- Downloads no Hub (30 dias) · curtidas
- 173 · 25só este repositório · lido em 2026-10-25
- Lido na página do Hub
- tarefa, classe transformers, tags de tarefa, nome da licença, formatos de arquivoVisão geral e lista de arquivos do Hub · lido em 2026-10-18
- Estado no catálogo
- Inventário do Hub atualizado
Fontes
Identidade e especificações publicadas vêm da página do checkpoint. As notas pertencem à rodada indicada e não medem velocidade no seu computador.
- Checkpoint e ficha do publicador
- Licença dos pesos e termos de uso
- Fonte do benchmark de qualidade · LiveBench 2026-06-25 geral
Catálogo revisado: 2026-09-30. Versão do benchmark: 2026-06-25; snapshot coletado: 2026-10-18.