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
›

开源权重接连落地:164 MB 语音模型、1.45 亿参数志愿算力实验,以及中国的 CUDA 替代方案

英伟达 9 月 29 日在 Hugging Face 发布 Kumo Tabular,这是一个用于表格预测的开源基础模型。一天后,Fermion Research 放出 164 MB 的语音模型 Phonon-2。两款模型面世之际,美国联邦贸易委员会(FTC)正对 AI 实验室展开行业性调查,OpenAI 则暂缓了自己的 IPO。

人工智能与模型分析林晓雯发布: 2026年9月30日3 分钟阅读资料来源 6
开源权重接连落地:164 MB 语音模型、1.45 亿参数志愿算力实验,以及中国的 CUDA 替代方案

英伟达 9 月 29 日把 Kumo Tabular 放上 Hugging Face。文章标注日期为 9 月 29 日,9 月 30 日发到博客,称该模型只需一次前向计算就能为新行预测标签,不用训练,不用调参,也不用特征工程。模型有三个规格,参数从 2800万 到 21500万,只用人工数据预训练,以允许商用的 OpenMDW-1.1 许可证发布。英伟达称它在 TabArena、BeyondArena、TALENT 和 ScoringBench 上排名第一。

这个说法范围很窄,英伟达的表述也很克制:只针对表格分类与回归,也就是存放客户记录、交易流水和传感器日志的那类表格。思路是把上下文学习用在数据行上,而不是文本上。模型在数百万张表格上预训练过,会把带标签的表格当作上下文读进去,返回类别概率,或在回归任务中返回 999 个分位数,据此得到点预测和不确定性估计。

Fermion Research 于 9 月 30 日发布 Phonon-2,称其为 900 MB 以下最准确的开源语音识别模型。

下载体积 164 MB,编码器把每个权重存成约 2.1 比特,权重采用 CC-BY-4.0 许可证,这正是其来源模型、英伟达 Parakeet TDT 0.6B v3 所用的许可证。Fermion 报告称,在 Open ASR Leaderboard 的七个英语测试集上平均词错率为 5.21%,并称所有成绩更好的开源模型体积至少是它的 5.8 倍。在 MacBook Air 上,它把一小时音频转成文字约需 20 秒。这些数字来自厂商自己的页面,榜单名次只能算厂商声称,尚未得到独立验证。

志愿者,和一个无状态的定时任务

同样在 9 月 30 日,一个名为 Coop 的 GitHub 项目上线了第二阶段训练:一个约 14500万 参数的纯解码器 Transformer,在 FineWeb-Edu 上从零开始预训练,全部跑在捐赠的消费级硬件上,外加 Hugging Face 和 GitHub Actions 的免费额度。项目没有服务器,也没有常驻进程。工作节点下载检查点,在各自的本地数据分片上跑 AdamW 更新,再把伪梯度作为拉取请求提交到公开的数据集仓库。

一个无状态的 GitHub Actions 定时任务在每一轮做汇总:丢弃过于陈旧的提交,对其余的做裁剪和余弦门控,聚合之后执行一次 Nesterov 外层更新,再上传新的检查点。仓库称,一个 1500万 参数的阶段一模型曾在 TinyStories 上训练六天,超出其 Chinchilla 最优预算,验证损失从 9.01 降到 2.8。这只证明了机制可行,并不是一个有竞争力的模型。

中国的推进是更大的战略故事。据 The Decoder 9 月 30 日以及路透社的报道,Deepseek 在其微信公号发布文章,公开了面向华为昇腾芯片的开源编程工具。核心是 TileLang,一种最初由北京大学开发的开源语言,Deepseek 称它提供的编程模型比 CUDA 更简单。Deepseek 表示华为“全力支持”这项工作,双方还优化了一个由 128 颗昇腾 950 芯片组成的超级节点。

背景是英伟达的开发者护城河:据估计有 6亿 CUDA 开发者。The Decoder 还援引 SemiAnalysis 的测试,后者测试了 OpenAI 的 Jalapeno 推理芯片,称 CUDA 的护城河“可能已死”,但同时提醒测试只覆盖了相对简单的场景,约 8000 个输入 token 和 1000 个输出 token。华为的芯片不在那次对比之中。

权重在出货,监管在行动

这一切都不是在真空里发生的。《卫报》9 月 30 日报道,FTC 正在对 Anthropic、OpenAI 及其他实验室展开行业性调查,并计划强制包括 Metr 在内的公司高管作证。《纽约邮报》最先报道了此事。另一边,OpenAI 暂缓了自己的上市:Ars Technica 9 月 30 日报道,Sam Altman 表示在公司能够“做出有把握的安全决策”之前不会上市,同日 LASST 在加州提起了诉讼。

上面这些开源权重发布都很小、很便宜,而且目标具体。值得盯的是这个模式,而不是那些榜单。

评论 0

资料来源

6
  1. 01Nvidia Kumo Tabular: Open Foundation Model for Tabular PredictionEN
  2. 02Phonon-2: most accurate open speech recognition model in a 164 MB downloadEN
  3. 03Coop: A small language model pretrained by volunteersEN
  4. 04China's AI industry closes ranks as Deepseek ships open-source software for Huawei's Ascend chipsEN
  5. 05US trade regulator opens investigation into AI giants including Anthropic and OpenAIEN
  6. 06OpenAI delays IPO over AI safety concernsEN

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。