跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播
›

开放权重向上走:芯片设计、语音与表格模型一周内接连发布

9月30日,OpenAI与Synopsys签署多年协议,共同开发面向芯片设计的专用模型GPT-Synopsys。这只是9月最后几天里至少五项开放模型发布或合作中的一项。

人工智能与模型分析林晓雯发布: 2026年9月30日8 分钟阅读资料来源 7
开放权重向上走:芯片设计、语音与表格模型一周内接连发布

开放模型领域最新的进展不是某个基准分数,而是一份合同。据The Decoder报道,9月30日,OpenAI与Synopsys宣布签署多年战略合作,共同开发一个名为GPT-Synopsys的芯片设计专用AI模型。Synopsys销售电子设计自动化工具,也就是工程师用来布局芯片的软件。OpenAI为该项目取得这些工具的使用授权。

双方给出的目标是让模型能够“推理芯片设计与验证,并直接操作Synopsys的工具”。两家公司表示,已经在半导体客户中开展早期测试。客户数据不会用于训练,并将加密存储。双方将共同推广该产品并分享收入。Synopsys首席执行官Sassine Ghazi表示,AI可以显著加快设计流程。OpenAI联合创始人Greg Brockman把这项合作描述为通往更好芯片和更好AI的路径。

这是一个嵌入商业流水线的闭源模型。而同一周还出现了性质完全不同的发布。

小模型、小文件、大口气

Fermion Research于9月30日发布Phonon-2。该公司称这是900 MB以下最准确的开放语音识别模型。公司表示,在164 MB的下载包中,它的准确率与其2.5 GB全精度教师模型逐项持平。在会议和议会发言两类音频上,它超过了教师模型,并能在MacBook Air上把一小时音频在约20秒内转成文字。权重发布在Hugging Face上,采用CC-BY-4.0许可,这也是其来源模型NVIDIA Parakeet TDT 0.6B v3的许可。

真正有意思的数字是5.21。在Open ASR Leaderboard的七个英语测试集上,Phonon-2的平均词错误率为5.21%。据公司发布说明,所有成绩更好的开放模型,体积至少是它的5.8倍。每个编码器权重被存为五个学习到的电平之一,以三进制数字打包,每字节五个。每个非零权重再用一位选择幅度。算下来每个存储权重约2.1比特。公司称这一领先在噪声条件下依然成立,从安静房间到与说话人一样响的背景噪声,它都排在Parakeet Redux之前。

目前没有公开的独立验证。在有人复现之前,榜单名次和噪声条件下的说法都只能算厂商数据。

同一天,NVIDIA把它的表格基础模型放上了Hugging Face。NVIDIA Kumo Tabular是一个面向表格数据的开放基础模型。它在一次前向传播中预测新行的标签,分类和回归都不需要训练、调参或特征工程。它只用人工数据预训练,提供2800万到21500万参数的三个规格。它通过NVIDIA开源的structured-data-models库运行,采用允许商用的OpenMDW-1.1许可。NVIDIA称它在四个基准上排名第一:TabArena、BeyondArena、TALENT和ScoringBench。

架构细节不如它的定位重要。二十年来,梯度提升树一直主导表格任务。NVIDIA的主张是,预训练Transformer可以在上下文中读取带标签的表格。这样就跳过了每个任务收集标签、构造特征和调超参数的整个流程。该模型沿用TabICL和TabPFN的路线,使用列注意力、行注意力和上下文内注意力。它加入了一种长度感知的注意力温度,使推理表格远大于训练表格时softmax注意力不会失效。缺失值无需填补。

来自志愿者和国家机构的开放权重

9月30日的两项发布背后完全没有公司,或者只有一家国家机构。Coop是一个由志愿者预训练的小型语言模型,没有服务器、没有资金、也没有守护进程。据其GitHub仓库说明,训练循环跑在捐赠的消费级硬件以及Hugging Face和GitHub Actions的免费额度上。第二阶段正在进行:一个约14500万参数的纯解码器Transformer在FineWeb-Edu上从零预训练,12层、14个注意力头、d=896、1024 token上下文、32000词表的字节级BPE。第一阶段是在TinyStories上训练的1500万参数模型,已超过其Chinchilla最优预算完成,验证损失在六天内从9.01降到2.8。

机制本身才是重点。工作节点下载当前检查点,在个人数据分片上跑本地AdamW步。它们计算出伪梯度,并以拉取请求的形式提交到一个公开的Hugging Face数据集仓库。一个无状态的GitHub Actions定时任务读取检查点和开放的收件箱拉取请求。它计划每五分钟触发一次,实际间隔从几分钟到几小时不等。它丢弃过期太久的提交,对其余的做裁剪和余弦门控,再用截尾均值或几何中位数聚合。然后执行一步Nesterov外层更新,上传新检查点,在账本中记录贡献者,并关闭已处理的拉取请求。

仓库对评估说得很坦率。单个验证损失说明不了什么,因为外层更新让它上升和下降的次数差不多。所以排行榜针对token数而非外层步数拟合序列斜率,并给出标准误。“在下降”意味着斜率超过两个标准误。这条报告规则比大多数有资金的实验室都更诚实。

同一天,英国AI安全研究所与Meridian Labs发布了Inspect,一个面向前沿AI评估的开源框架。Inspect覆盖编程、智能体任务、推理、知识、行为和多模态理解,自带200多项预置评估。它的基本构件是数据集、求解器和评分器。它支持工具调用,包括MCP工具以及内置的bash、python、网页搜索和计算机工具。它还能运行Claude Code、Codex CLI和Gemini CLI等任意外部智能体。它通过扩展API在Docker、Kubernetes、Modal、Proxmox和Vagrant中沙箱化不可信的模型代码。发布时机很说明问题。政府安全机构的评估工具落地同一周,美国监管机构对AI智能体行为失当展开了行业范围的调查。

开放权重进入中国的芯片栈

据Deepseek官方微信公众号的一则帖子,Deepseek正在为华为的AI芯片发布开源编程工具,路透社报道了这次开源。核心是TileLang,一种最初由北京大学研究人员开发的AI芯片开源编程语言。据《纽约时报》报道,Deepseek已使用它约一年,现在称其为自己研究通用人工智能的主要工具。

这套软件包括计算库和在芯片间搬运数据的库。据Deepseek称,华为“全力支持”这项工作,两家公司优化了一个超级节点,即由128颗昇腾950芯片组成的集群。Deepseek认为,任何想为AI芯片建立独立软件生态的人,首先需要一门通用语言。这门语言必须易于编程,同时又能充分发挥硬件性能。它称TileLang提供的编程模型比CUDA更简单。

这与关于Nvidia优势所在的一场更大争论相关。研究机构SemiAnalysis测试了OpenAI的Jalapeno推理芯片,称CUDA护城河“可能已死”,因为OpenAI能让新模型很快跑在自己的硬件上。它称在多数测试场景中,Jalapeno在每瓦性能上胜过Nvidia的Blackwell。SemiAnalysis也附上了自己的保留意见:测试覆盖的是相对容易优化的场景,约8000个输入token和1000个输出token。它尚未运行AgentX,即多步智能体任务的基准。今年8月,SemiAnalysis发现Nvidia在该基准上大幅领先。它称即使AMD白送硬件,Nvidia的每token成本仍会更低,因为优势在于把许多芯片连成一个系统的软件。华为的芯片不在AgentX对比之列。

国内也有压力点。华为承认在国内无法满足需求,因此计划减少对外销售芯片。谈到美国出口管制时,华为现任轮值董事长徐直军表示,公司无法接受一个取决于别人是否愿意向中国出售芯片的未来。

值得关注的事

这些发布的共同点是,开放权重不再局限于聊天机器人检查点。它们以小到能装进笔记本电脑的语音编码器出现,也以面向企业表格的表格预测器出现。它们还来自国家安全机构的评估框架、跑在免费额度上的志愿者训练循环,以及如今面向非Nvidia加速器栈的编程工具。

有两件事仍未解决。第一,Phonon-2和Kumo Tabular的基准说法是厂商或维护方的说法,三项模型发布都没有附带独立复现。第二,监管走向与这些发布方向相反。据《卫报》9月30日报道,FTC对Anthropic、OpenAI和Metr的调查,是美国首项涉及失控AI智能体的官方执法行动。

开放权重解决不了其中任何一项。它们只是把争论挪到更多人能运行的硬件上。

评论 0

资料来源

7
  1. 01OpenAI and Synopsys team up to build an AI model that designs chips like a seasoned engineerEN
  2. 02Phonon-2: most accurate open speech recognition model in a 164 MB downloadEN
  3. 03NVIDIA Kumo Tabular Sets a New Accuracy-Efficiency Frontier for Tabular PredictionEN
  4. 04Coop: A small language model pretrained by volunteersEN
  5. 05Inspect: An open-source framework for large language model evaluationsEN
  6. 06China's AI industry closes ranks as Deepseek ships open-source software for Huawei's Ascend chipsEN
  7. 07US trade regulator opens investigation into AI giants including Anthropic and OpenAIEN

本文所有数字与引语均来自下列来源,未添加来源之外的内容。

本内容由编辑部在人工智能辅助下制作完成。

林晓雯

林晓雯

人工智能、模型与技术

林晓雯负责FLASH24的人工智能、模型与技术方向,主要写科技、人工智能与模型、媒体与互联网三个领域。她习惯从论文预印本、开源代码库和厂商技术文档入手,先核对训练数据来源和评测口径,再决定是否落笔。遇到模型跑分,她会自己复现一遍小规模测试,并对照独立第三方榜单,确认数字没有注水。她常联系一线工程师和产品经理,也盯着各大会议截稿日,把不同版本的技术报告放在一起比。业余时间她玩3D打印、折腾老电脑,还关心模型从网络垃圾里学到的偏见问题,这让她对数据清洗格外敏感。她有一条原则:拿不到原始数据的性能宣称,不写。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。