文章摘要
【关 键 词】 端侧模型、认知模型、算力成本、群体智能、主动智能
当前人工智能大模型在商业落地过程中面临严峻的算力成本挑战，单次调用的算力开销和硬件成本营收比成为制约行业发展的结构性难题。为应对这一困境，业内提出了将模型中的海量知识剥离、仅保留思考与规划等认知核心的发展思路，以期在较小参数规模下实现高效的类人思考。
在此背景下，明日新程团队推出了行业首个端侧认知模型新程Alpha。该模型参数规模仅为4B，但在群体智能任务中展现出了与千亿级大模型等效的输出质量。其技术路线基于对人类学术论文演化脉络的梳理，通过对开源推理模型进行强化学习训练，成功实现了知识与认知的解耦，大幅提升了模型的泛化和抽象思考能力。
新程Alpha的问世在多个层面产生了显著影响。在多智能体协作系统中，底层模型从推理向认知的升级带动了整体决策质量的跃升。同时，4B参数规模不仅大幅缩减了云端部署的算力开销，还支持在个人电脑和具身智能设备上进行端侧部署，从根本上改写了算力成本账本。更重要的是，低成本和端侧运行能力使得智能体能够全天候自主决策和执行任务，从而解锁了商业规模远超传统响应式模式的主动式智能体应用场景。
从行业发展和资本动向来看，群体多智能体协同被视为人工智能应用层的下一个高价值方向，而认知模型正是驱动该方向的关键基础设施。认知模型的出现不仅改变了模型的参数规模，更重构了人工智能产品的经济模型。随着端侧全天候运行认知模型的成本降至极低水平，现有基于响应式模式设计的AI产品形态将面临重新审视，主动式智能体展现出更为广阔的商业想象空间。研发团队目前也正致力于训练泛化能力更强的8B认知模型，以进一步拓展技术能力边界。
原文和模型
【原文链接】 阅读原文 [ 2031字 | 9分钟 ]
【原文作者】 新智元
【摘要模型】 qwen3.7-max
【摘要评分】 ★★★★★
相关文章
