10 月 30 日，Samaya AI 发布 Samaya Sterling，一个面向金融研究智能体的后训练模型。在它自家的 FrontierFinance 基准上，Sterling 拿到 58.9% 的成绩，高于 Claude Fable 5.1 的 55.9%，而单题成本只有 0.61 美元，对手是 6.89 美元，差出 11 倍。
3B 激活参数怎么压过旗舰模型
Sterling 基于英伟达 Nemotron 3.5 Lightning，是一个 30B 总参数、3B 激活的混合专家模型，底座上下文最长 100 万 token，在 BF16 精度下能塞进单张 H100 80GB 显卡。Samaya 为小模型改造了生产环境里的金融 harness，把系统提示与工具描述中冗长的指引全部删掉，把工具合并以缩短提示词，再让一个压缩器缩短过长的工具返回结果、一个摘要器随轨迹增长做归纳，另外用一个研究预算限制智能体的工作时长，最后交给独立的报告撰写模型成文。
四阶段训练流程
第一步是合成轨迹的监督微调，团队自造 968 个分析师问题，教师模型 Kimi K3 每题答两次，再由一个 LLM 裁判挑出更好的那份，模型由此学会调用 37 个工具并给出合法参数。第二步是最佳策略蒸馏，同样用 Kimi K3 按 8 种研究策略回答 1819 个专家撰写的问题，取评分最好的一条作为训练数据，best-of-8 命中了 80% 的必要评分项，而单一最佳策略只有约 66%，过滤之后留下 1157 题。第三步是离线 GRPO，直接拿 8 份教师答案互相评分，不需要重新生成，每一步成本都很低。第四步是在线 GRPO，模型对每道题答 8 次并从被评分的尝试中学习，训练中用截断重要性采样修正了一个已知的 MoE 采样器错配问题。
分数、代价与边界
FrontierFinance 有 220 道公开查询，按专家撰写的评分细则打分，由 3 个模型组成裁判组，团队声称没有把任何一道基准题放进训练集。成绩对比上，Sterling 是 58.9%、每题 282 秒、0.61 美元，Claude Fable 5.1 是 55.9%、268 秒、6.89 美元，Samaya 自家的高强度系统是 56.0%、278 秒、1.81 美元。分阶段看分数爬升，底座 42.5%，经过三个阶段依次到 51.4%、54.8%、57.5%，最终 58.9%，工具调用的中位数也从 3 次涨到 17 次。切到高强度模式后能到 60.6%，代价是 1.83 美元与 372 秒，在最难的三分之一题目上则从 31.8% 提到 45.2%。其中模型本身每题只花 0.04 美元，其余开销来自工具调用与辅助模型。
需要留意的是权重没有公开，基准成绩也属于团队自报，这类小激活参数模型靠 harness 与模型协同训练换取单点胜出的做法，和 Liquid AI LFM3 的 2B 激活参数路线 属于同一类思路，落地前仍要看真实业务里的稳定性。
延伸阅读
- 英伟达 129.3 亿美元收购 Hugging Face 遭司法部问询2 天前
- Nanbeige4.3-33B 开源 Terminal-Bench 80.9 分5 天前
- 德国搜索引擎Ecosia弃用Mistral：成本减半、性能提升，欧洲AI采购格局生变3 周前
- 讯飞星火 X2.6 发布：293B-A30B 端云一体，1M 上下文1 周前
继续读
同一批更新里这几篇值得一看：
- Mistral Large 4 开放权重：Terminal-Bench 冲 41%2026-10-30
- 腾讯混元开源 Hy-SimulMT：同传延迟 3.3 秒低于译员2026-10-29
- Artificial Analysis 指数 v5：开源差距拉到 12 分2026-10-29
想快速查定义？对应的词条在这里：
- AI Agent词条 · AI 自学笔记