范式下场做基模了!国产算力全链路训练,双模型同步亮相

  允中发自凹非寺

  量子位 | 公众号 QbitAI

  大家熟悉的那个 AI 虎将:范式智能(原第四范式),首次把自研模型端到了台前!

  而且,一出手就是双联发:Phai-A1,Phai-M1

  • Phai-A1,通用语言模型。官方数据显示,同样质量下,响应速度比同参数级别模型快8-10 倍,单张消费级显卡就能跑,还带着原生百万级上下文。
  • Phai-M1,面向真人影视场景的视频生成模型,音画同步,约 3 分钟生成 15 秒 720P 视频。

  更关键的是,模型全链路都是在华为昇腾卡上训练出来的!

  据官方介绍,两款模型近期就会在 Hugging Face、ModelScope 开放权重

  体验入口:https://phai.phanthy.com/

  单张 3090 卡跑到飞起,响应速度快近 10 倍

  先说 Phai-A1。

  相信你一定经历过这种“挠头”的时刻:任务一复杂起来,thinking 时间无限拉长,偶尔还弹出一句“流量高峰期,请重试”;订阅费也充了,结果还得等,这会是怎样婶儿的赶脚……

  Phai-A1 就是对准这些问题来的。

  据官方介绍,它主打代码开发和智能助手场景——写代码、修 bug、调工具、跑多步任务,都在它的射程范围内。

  具体有多快呢?

  官网放了一组对比:保证效果的前提下,Phai-A1 的响应速度快约8-10 倍

  并且这组数字不是“理想实验室环境”,两个模型都跑在单张 RTX 3090 上,用同一个版本的某 Code 智能体,干的是一模一样的活儿。

  当然,benchmark 也没落下。

  在 SWE-Bench-Verified、SWE-Bench-Pro、SWE-Bench-Multilingual 这几张软件工程和通用领域的“考卷”上,Phai-A1 跑赢了同级别选手,甚至不弱于一些千亿参数级的前沿模型。

  据官网透露,团队还在自家 AI 办公产品 PhanthyCode 上经过了一段“匿名期”,在匿名模型调查期间,Phai-A1 一路人气飙升,在所有接入的开源和商业模型里,在模型能力、稳定性和速度、体验满意度三个方面都取得了最高的评分。

  为什么能做到这么快和丝滑?

  秘密就藏在长上下文这块,Phai-A1 玩的是“原生”,后训练数据直接覆盖百万 Token 场景,和市面上“堆叠式”长上下文不是一个路数。

  大型代码仓库、长篇资料、连续几天的对话,都能接着往下捋。

  A1 最实用的卖点,是仅一张 RTX 3090 卡就能跑。

  不用云端排队,不用 API 计费,一台普通笔记本,双击就能跑。

  飞一般的赶脚~这才是让 AI 成为“随叫随到”的生产力。

  横扫 AI 味,3 分钟搞定 15 秒真人影视大片

  再看 Phai-M1。

  AI 视频的老毛病,大伙儿是都知道的,AI 短剧虽然火爆,但塑料感也是有目共睹的。

  表情不自然、皮肤塑料感、音画不同步、动作细节各种“迷之操作”。

  Phai-M1 的思路是,既然问题是“不像真人拍出来的”,那就围绕真人影视场景做专项训练。据官方介绍,它在人物表现、画面细节和整体质感上,做到了影视级水准。

  话不多说,一片胜千言!

  音画同步,则是他们的另一个大招:声音和画面在同一条生成流水线里完成,不用再后期对口型。这块可是视频创作者的刚需呀。

  效率上也得敲下黑板,约 3 分钟,就可以生成一个 15 秒 720P 的高清视频,绝绝子~

  3 分钟出 15 秒,听着好像不够刺激?但对 AI 短剧团队来说,生成时长和速度直接决定产线的节奏和成本——这是能重新算一遍账的事。

  质感、音画同步和效率同时叠起 Buff 来,AI 视频就不再只是“看起来像那么回事”,而是真能进生产流程了。

  国产算力派:全流程基于国产算力训练优化

  另外,还有个不能忽略的点。

  Phai 系列全流程在华为昇腾平台上,完成了专项后训练优化(有 ModelHub XC 社区支持)。

  敲黑板,不是“训完再适配”。据称从模型优化阶段之初,团队就是按国产算力环境的实际情况来设计的。

  要知道,目前国内 AI 公司里面,可以做到原生国产算力全链路训练的可不多。

  那为什么范式团队可以做到呢?

  谜底藏在谜面上,近年来,范式一直在国产 AI 生态上不遗余力地投入。

  比如,异构算力纳管的 HAMi;再比如,芯片模型适配层面的信创模盒社区等等。

  值得注意的是,范式跟华为的合作一直非常深入且密切。就在两个月前,有消息称“范式超 10 亿元采购华为昇腾 950”,加速押注国产 AI。

  因此,这次 Phai 的国产算力全链路训练,不就全对上了吗?

  持续投入国产算力训练优化,意义不只是降低对单一硬件平台的依赖,也在于让国产芯片在真实的模型训练和应用中积累适配经验。

  随着更多像 Phai 这样的模型基于国产算力完成训练与优化,模型与硬件之间的适配将进一步完善,国产算力的实际使用效率也有望随之提升。

  范式也在持续推进这一方向的探索。用范式自己的话说,他们就是一支“国产算力派”

  目前,Phai 系列已经全量接入了范式产品:PhanRouter、ModelSphere、Phanthy(万神殿)、PhanthyMovie、PhanthyCode/Work 等产品。

  另外,范式还宣布近期就会将 Phai 系列开源出来,届时 Hugging Face 和 ModelScope 都会同步发布更详细的技术报告。

  相信开源后,全球开发者都可以来感受一下 Phai 的能力边界,把它搬到更多应用场景里。

  体验传送门:https://phai.phanthy.com/

  One More Thing

  这次 Phai 模型的发布,无疑是范式下场基座模型的一个信号。

  不过很明显,范式和许多公司一样,选择了一条“以小搏大”的路径。

  小模型能力反超大模型这件事,已经被不少公司证实是可以做到的。

  那么,范式在“以小搏大”的赛道叙事里,优势在哪里?

  首先,无疑是过去十余年积累下来的技术与工程经验。这些经验已经沉淀在范式“内置”的平台能力、行业交付体系和团队之中。

  再者,也是最不容小觑的地方,就是范式对国产算力生态长期坚定不移、真金白银的投入和推动。

  *本文系量子位获授权刊载,观点仅为原作者所有。