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
›

Phonon-2、Coop 与 Kumo Tabular:开放 AI 的小模型一周

Fermion Research 于 9 月 30 日发布 Phonon-2,这是一个开放英语语音识别模型,下载包只有 164 MB。它在 Open ASR Leaderboard 的七个英语数据集上平均词错误率为 5.21%。

人工智能与模型解释王雅琴发布: 2026年9月30日4 分钟阅读资料来源 14
Phonon-2、Coop 与 Kumo Tabular:开放 AI 的小模型一周

卖点就是体积。Fermion Research 称,编码器把每个权重存成五个学习档位之一,每权重约 2.1 比特。权重以 CC-BY-4.0 协议发布,同一个文件可以在 Mac、Linux、Windows 和 NVIDIA GPU 上运行。公司称,在 MacBook Air 上,一小时音频大约 20 秒就能转成文字。

同一天还有两个开放发布。NVIDIA 在 Hugging Face 上发布了 Kumo Tabular,这是一个用于表格预测的开放基础模型。一个名为 Coop 的志愿者项目发布了一个代码仓库,介绍一个在无服务器、无资金、无守护进程的情况下预训练的小型语言模型。

数字到底说明了什么

Phonon-2 的主打说法是每字节的准确率。Fermion 称,该模型在 Open ASR Leaderboard 的七个英语数据集上平均词错误率为 5.21%。公司称,所有得分更高的开放模型体积至少是它的 5.8 倍。在议会演讲数据上,它的词准确率达到其教师模型的 100.8%,在会议数据上则超过教师模型,而下载包小 15 倍。比较对象是 NVIDIA 的 Parakeet TDT 0.6B v3,Fermion 称自己的权重许可证就来自它。公司还称,Phonon-2 在测试的每一个噪声水平上都领先于 Parakeet Redux,后者被描述为同尺寸的另一个低比特模型。这些都是厂商数据,随模型一同发布。根据 Fermion 的技术说明,只有当快速路径的词错误率保持在精确路径的噪声范围内时,快速路径才会发布。

NVIDIA 的表格模型做了另一种取舍。Kumo Tabular 在一次前向传播中为新行预测标签,无需训练、无需调参、无需特征工程,支持分类和回归。公司称,它只用人工数据预训练,有 2800万 到 21500万 参数三种规模,以 OpenMDW-1.1 许可证发布,可用于商业用途。NVIDIA 声称在四个基准上排名第一:TabArena、BeyondArena、TALENT 和 ScoringBench。

一个没有主人的训练循环

Coop 是三者中最奇怪的。其 GitHub 页面描述伪梯度以 Hugging Face pull request 的形式到达。一个无状态的 GitHub Actions 定时任务用 DiLoCo 聚合这些梯度,权重和优化器状态只存放在 Hugging Face 上。捐赠的消费级硬件和免费额度负责计算。第二阶段是一个约 14500万 参数的模型,在 FineWeb-Edu 上从头预训练。仓库称,第一阶段是一个 1500万 参数的模型,在 TinyStories 上训练,已经超过其 Chinchilla 最优预算。

该项目声称,多名志愿者在不同机器上,包括 Apple Silicon 和普通 CPU,训练了同一个外层步骤,并被平均成一次更新。它还记录了故障处理。一次与定时任务发生竞争而提交的更新,在下一步以降低的陈旧权重被接受。同一用户的重复轮次合并成一张票。一个未完成的轮次被冲刷掉,而不是丢弃。这些都不是前沿工作。这正是重点。同一天,英国 AI 安全研究所和 Meridian Labs 发布了 Inspect,这是一个用于前沿评估的开放框架,内置 200 多项评估,支持 20 多家模型提供商,并可在 Docker、Kubernetes 和 Modal 中沙箱运行。

在其他地方,开放与闭源的界线正在公开争论。《The Register》9 月 30 日报道,OpenAI 指控与中国 Moonshot AI 有关联的个人发动蒸馏攻击,攻击始于 7 月 1 日。7 月 24 日和 25 日的高流量峰值由 4000 多名用户发出的 16000 次请求组成。OpenAI 称已于 7 月 28 日中断该行动。Moonshot 未立即回应《The Register》的置评请求。同一天,《The Decoder》报道,DeepSeek 发布了面向华为 Ascend 芯片的开源编程工具,核心是 TileLang,一种最初由北京大学研究人员开发的开源语言。该报道援引路透社称,此次发布还包括用于计算和芯片间数据移动的库。DeepSeek 称华为完全支持这项工作,双方优化了一个由 128 颗 Ascend 950 芯片组成的超节点。监管机构也在同时行动。《卫报》9 月 30 日报道,美国联邦贸易委员会已对 Anthropic 和 OpenAI 展开行业范围调查,并发出正式的信息和证词要求,这是美国首次针对失控 AI 代理的官方执法行动。CNBC 证实了调查,并称 FTC 拒绝透露其他被调查公司的名称。

上述开放发布与该案无关。但它们共享一个前提:能力,或者至少是有用的能力,正在流向任何人都能下载的权重。本周的证据是承担窄任务的小模型、一个志愿者训练循环,以及一张厂商基准表。这是否构成一次转变,未来几个发布周期会给出答案。

评论 0

资料来源

14
  1. 01Phonon-2: most accurate open speech recognition model in a 164 MB downloadEN
  2. 02Nvidia Kumo Tabular: Open Foundation Model for Tabular PredictionEN
  3. 03Coop: A small language model pretrained by volunteersEN
  4. 04Inspect: An open-source framework for large language model evaluationsEN
  5. 05Irony alert: OpenAI whines that Chinese model stole its special IP that it stole from everybody elseEN
  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 giantsEN
  8. 08FTC is investigating OpenAI, Anthropic and other AI companies over product risksEN
  9. 09OpenAI delays IPO over AI safety concernsEN
  10. 10OpenAI unveils AI assistant 'dots' while safety worries delay new modelEN
  11. 11"An AI did it" is no defense, says nonprofit suing OpenAI over Hugging Face hackEN
  12. 12"We're not going to shoot ourselves in the foot" over hack fallout, says OpenAI's chief research officerEN
  13. 13OpenAI's Jev clone could help the frontier lab stop its swarming agentsEN
  14. 14Google drops Gems for Skills, joining OpenAI and Anthropic in the shift to agent-ready prompt formatsEN

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。

王雅琴

王雅琴

人工智能、模型与技术

王雅琴负责FLASH24的人工智能、模型与技术报道,覆盖科技、人工智能与模型、媒体与互联网领域。她习惯直接查阅技术文档、模型卡与官方博客,而非依赖新闻稿,对未经核实的参数和跑分数据一概不放行。每篇报道前,她会逐项核对基准测试结果,对照论文原文与开源代码,确认版本号、数据集和评测条件是否一致。她常联系开发者与研究人员求证细节,也盯着各大厂商的发布会和论文截稿日期,横向比较同类模型的实际表现。私下她自建服务、折腾家庭网络,这让她对部署成本和真实算力需求有直观判断。她的原则是:没有可复现来源的数字,不写进稿子。

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。