Anthropic IPO曝算力缺口:决策模型大战开打,开源黑马登顶

资讯 36氪 全文 5488 字 · 约 14 分钟读完 配图 16 张 分类决策模型Google开源

开源决策模型Karpo多项硬刚谷歌闭源夺冠

所属频道 大厂动态开源生态前沿研究

硅谷这条最卷的新赛道,冒出了一匹开源黑马。即将敲钟的Anthropic在IPO材料里曝出天价算力缺口,给狂卷参数的AI行业泼下一盆冷水。

通用大模型在编程、数学上确实能打,可真替人干活时,算力账单就成了无底洞。生成文本已经够耗Token,长链推理更费,而比推理还烧钱的是操作浏览器——单次平均开销比复杂推理贵出4.8倍。

Anthropic IPO曝算力缺口:决策模型大战开打,开源黑马登顶(配图 1)

焦虑之下,硅谷的「决策模型」大战全面开打。初代标杆Jev率先趟出「不写字、只判断」的快思考路线,OpenAI、微软、亚马逊与Cloudflare等巨头随后纷纷下场。

前两天,谷歌CEO劈柴亲自站台,高调发布闭源决策模型Gemini Decision 1。

Anthropic IPO曝算力缺口:决策模型大战开打,开源黑马登顶(配图 2)

巨头混战之中,一匹开源黑马Karpo Decision 31B强势杀出。在300个模型同台厮杀的Decision Index权威评测总榜上,它直接冲到榜首,拿下全球第一。

Anthropic IPO曝算力缺口:决策模型大战开打,开源黑马登顶(配图 3)

https://huggingface.co/spaces/multimodalart/jev-decision-index

这次开源的Karpo Decision家族覆盖0.8B到31B全尺寸。夺冠的31B旗舰单卡中位延迟低至94毫秒,校准误差压到0.023,单题最多可同时评估255个选项。

Anthropic IPO曝算力缺口:决策模型大战开打,开源黑马登顶(配图 4)

硬刚谷歌闭源王牌,开源黑马三局连胜

传统大模型逐字生成,Karpo Decision不一样,它是专为AI智能体的高频拍板设计的。输入当前状态和问题,一次前向推理就能直接算出所有选项的概率,全程不生成任何Token。

靠这套极速判断机制,Karpo开源即登顶总榜第一,多项评测中正面击败谷歌闭源王牌Gemini Decision 1。更有戏剧性的是,这匹夺冠黑马是用谷歌自家开源底座Gemma 4 31B后训练出来的。

Anthropic IPO曝算力缺口:决策模型大战开打,开源黑马登顶(配图 5)

在目前公认最权威的Decision Index与JevBench两大独立榜单上,Karpo把闭源与开源对手赢了个遍。Decision Index横跨37项公开基准与未公开的私有题库,吸引全球300个模型同台打榜。

JevBench则由独立机构在自有显卡上全程断网盲测,1500道考题中有1200道永久封存。

在这份Decision Index总榜上,Karpo以73.9分夺魁,远超初代标杆Jev 1.14的60.2分。分数领先之外,它的中位延迟只有94毫秒,比Jev 1.14的196毫秒快了一倍。

真正拉开差距的,是防刷榜的私有题库盲测。公开榜前十名的模型一旦进入同技能私有盲测,成绩平均暴跌6.8分。

唯独Karpo只掉了4.3分,在前十名里抗跌能力最强,到了全新领域私有题上更是拿下78.6分。

Anthropic IPO曝算力缺口:决策模型大战开打,开源黑马登顶(配图 6)

与谷歌Gemini Decision 1正面交手,Karpo连赢多场。JevBench公开集上双方同拿92.2%,打成平手;可一进真实Agent考场,差距立刻显出来。

头一场比的是Agent最要紧的行动判断。权威基准When2Call专盯这点——对话里该调工具、该追问,还是该停手。

这项测试Karpo拿下90.4%,谷歌79.9%,相差10.5个百分点。看网页截图点按钮的Mind2Web多模态测试里,Karpo以90.0%压过谷歌的86.2%。

第二场转到言外之意和细粒度分类。纽约客漫画配文测试考的是读懂隐含语气,Karpo飙到90.5%,谷歌79.7%,被甩开10.8个百分点。

商品意图极其细碎的Amazon ESCI电商分类中,Karpo以64.7%稳胜谷歌的58.7%。

Anthropic IPO曝算力缺口:决策模型大战开打,开源黑马登顶(配图 7)

第三场是37项公开基准的全面摸底。Decision Index的37项公开基准同台实测,Karpo得75.0分,谷歌60.9分,差距14.1分。

细分到陌生领域(72.3%)、知识准确率(56.0%)和安全判断(93.4%)三个维度,Karpo同样全线占优。原榜单前三的开源对手KnowLine、GLiDE、Sieve,也被它悉数甩在身后。

Anthropic IPO曝算力缺口:决策模型大战开打,开源黑马登顶(配图 8)

JevBench刚出炉的1500道题官方断网盲测,Karpo的成绩同样亮眼。这场大考由榜单维护方独立运行,标准很严,Karpo拿下当期能力分89.53分。

更难得的是封存私有题的表现:1200道题上拿到85.67分,反倒超过公开题的80.45分,校准分冲到96.00分。

Anthropic IPO曝算力缺口:决策模型大战开打,开源黑马登顶(配图 9)

换算到榜单统一标尺,261个开源模型中,Karpo以87.2分的折算能力分进入全球前三。和同场参测的谷歌相比,综合总分(77.4)、决策智力(80.2)、校准度(94.1)三项核心指标全部领先。

成本方面,Karpo每千次决策只要0.025美元,做4万次判断才花1美元。

Anthropic IPO曝算力缺口:决策模型大战开打,开源黑马登顶(配图 10)

31B旗舰登顶的同时,MachinePulse把同一套训练配方搬到0.8B至12B五个中小尺寸上。端侧轻量模型也好,单卡主力也罢,每个参数量级都进了同阶第一梯队。

Anthropic IPO曝算力缺口:决策模型大战开打,开源黑马登顶(配图 11)

1秒筛完36场活动,眨眼配齐10人点餐

跑分夺冠之外,Karpo在真实场景里究竟有多快?传统大模型碰到问题,总要一个Token一个Token地生成长篇分析。

概率怎么算?Karpo不写半个字,只做一次前向推理,毫秒之间就把所有选项的概率给出来了。

官网新挂出的两个实时互动擂台,正好把这种「一次前向答完几十题」的速度差摆到了台面上。

「城市扫描仪」挑战要求AI从全城36场活动里帮用户挑周末去处。假如周五晚上约朋友出门,条件设成「今晚、2个人、人均50美元以内、5公里内、能聊天」。

模型得照这些要求逐场判断,每场活动归入「匹配、淘汰还是信息不足」。系统把同一个请求同时发给Karpo和通用大模型(Gemini 3.5 Flash),同场掐表对决。

结果点了开始,Karpo只用1.12秒就把36道题全部答完,还准确分出10个匹配、23个淘汰、3个信息不足,36道题与规则100%一致。

右边那个逐Token往外蹦字的通用大模型呢?计时器跳到5秒以上,还在转圈干等。

Anthropic IPO曝算力缺口:决策模型大战开打,开源黑马登顶(配图 12)

另一场「10个胃口,一张菜单」挑战,把多条件权衡的难度推到了极限。餐厅里坐着10位顾客,卡路里上限、预算、过敏原、口味偏好各不一样。

左侧由我们亲自上手点菜,盯着忌口和预算连点10道菜,忙活5秒还误踩了两处忌口。

右侧的Karpo把整张菜单和10位顾客装进一次请求,916毫秒就同时端齐10道菜,硬约束与软偏好拿满分。

就算某道菜突然售罄,它也只需几百毫秒,针对受影响的顾客重新调配好菜品。

Anthropic IPO曝算力缺口:决策模型大战开打,开源黑马登顶(配图 13)

互动擂台之外,官网试玩台上还实测了浏览器Agent自动订座。这项测试里,Agent要替用户订Lumen餐厅周五晚7点半的两人桌。

面对真实的订座网页,Karpo每一步都瞬间给出概率最高的操作,依次选中「7:30 pm」、「Find a table」并确认预订。每步都在130多毫秒内一次算完,整个订座流程不到半秒跑完,指令明确时不必反复追问用户。

Anthropic IPO曝算力缺口:决策模型大战开打,开源黑马登顶(配图 14)

砍掉逐字生成过程,一次前向算出答案

Karpo能在几百毫秒内一次答完几十道题,关键在于改掉了大模型「逐字生成」的底层机制。架构上,这款支持256K上下文的原生多模态决策模型彻底抛弃了传统文本生成链路。

Anthropic IPO曝算力缺口:决策模型大战开打,开源黑马登顶(配图 15)

它直接砍掉逐字解码环节,在60层底座末尾接上一个轻量级的线性读出头(Readout head)。

题目输入模型后,所有候选答案被浓缩成独立的单Token标号,这个读出头一次性为最多255个选项同步打分,再直接换算成校准概率。

无论多选题(choice)、是非题(noul)还是打分题(score),模型都能在一次前向推理里全部算完,也永远不会吐出格式错误的废话。

单题推理提速之后,Karpo还把长网页里连问几十道题的开销压到了极低,办法是设计了一套分支注意力机制(Branch Attention)。

做法是:全部问题清单先排在最前面,模型「带着问题」去读后面的长网页,问题和网页合成一个共享块,整个过程中KV缓存只计算一次。

共享块末尾随后并行分出每道题各自的答题分支,各分支的位置编码都从同一处重新起算,几十道题因此彼此隔离,不会互相干扰。

效果是:面对数千Token的复杂网页,只问1道题时中位延迟为371毫秒,一口气连问16到63道题也只要653毫秒。

靠RSI自我进化越用越聪明

训练决策模型最头疼的地方,是它很容易沦为只会「背格式」的刷榜机器。

Karpo团队在实验中发现,光做全参数微调,公开榜成绩能推到75.09分,可陌生领域的准确率却掉了2.3个百分点。

更讽刺的是,「正反读取选项再取平均」这类刷榜技巧对真实泛化能力没有半点帮助,延迟反倒翻倍到162毫秒。

公开集分数上涨,不等于模型进了真实业务还能打——这类拖慢速度的刷榜套路,被团队果断砍掉。

那怎么在不牺牲泛化能力的前提下持续进化?团队搭起了一套RSI(递归自我改进)闭环。

闭环里,团队用公开数据集加定向合成数据补短板,每轮候选模型按「公开集占60%、陌生领域占40%」综合考评,只有真正赢过上一代才能晋升。

到了多模型融合阶段,团队照样不玩花哨套路:复杂搜索算法极易过拟合,反而是经典的Model Fusion(权重均匀平均)最稳。

最终夺冠的Karpo,把全参数微调早、中、晚期的3个检查点,和另一条LoRA训练线上的2个检查点直接做了均匀平均。

逻辑很巧妙:早期权重泛化好,后期权重更专精,正好和LoRA「学得少、忘得也少」的特点互补。

五个权重合而为一后,推理开销仍只有单模型的1倍,陌生领域准确率却比单模型终点高出1.6个百分点。

靠这套抗过拟合打法,在覆盖临床医学、法院裁判等10个大类、283个小类的陌生领域评测中,Karpo对Jev 1.14打出10比0,全面零封。

决策模型不光要选得准,还得「有自知之明」。Karpo为此引入校准决策强化学习(RLCD),激励模型如实评估自己的把握度。

经过强化校准,Karpo在JevBench上的校准误差(ECE)被压到了极低的0.023水平,表现远好于谷歌和Jev 1.14。

也就是说,它报出「80%把握」时,10次判断里大约有8次确实准确。

碰到信息缺失的是非题盲测,Karpo对92.0%的题目能果断拍板,剩下8.0%拿不准时主动弃权,交给人类兜底。

一张显卡装上「最强决策大脑」

模型练成后,要让31B模型在单卡上跑出极致速度,工程师针对Gemma 4底座的全局注意力层用Triton手写了专属算子,单卡推理快了近2倍。

有了这套底子,再加上无Padding打包、FP8量化和CUDA图回放,一张RTX PRO 6000显卡的显存占用稳定落在60GB上下,评测分数一点没掉。

基准测试抽了2000条请求来跑,单卡中位延迟压到73毫秒,吞吐量达到7100 Token/秒;最吃算力的长网页推理,耗时也减半到3.6秒。

真实场景才是练兵场,个人智能体的红利正在到来

不少人可能会问:一家初创团队,凭什么能正面赢下谷歌?

答案其实就在他们一直扎根的Personal Agent(个人智能体)这块战场上。

海外市场上,MachinePulse长期在做本地生活智能体Karpo。

全城找餐厅、搜周末活动,或者打开网页比房型、勾时段、把座位订下来,这些动作背后每一步都是高频判断。

放到日常生活里,这类微决策随处可见。

超市货架前,从一排牛奶里挑出合自己口味、也合身体需求的那一盒。

夜里走进一家对味的酒吧,聊上几句,把疲惫的一天轻轻收个尾。

这些看上去不假思索的瞬间,落到Agent身上,都是一次次毫秒级的权衡和拍板。

可通用大模型动不动就卡几秒,判断偶尔跑偏,每次还多烧Token,到了真实用户手里,体验落差就是致命的。

AI实验室可以专心刷Benchmark,冲在一线的团队却天天要面对真实的交互痛点。

从实战看,垂类Agent产品本身就是最好的模型训练场。

真实业务里要多条件权衡、连续操作网页、出错还得回退,这些逼着团队离开纸面跑分,去啃实验室里见不到的延迟、成本和校准问题。

现在决策延迟已经压进毫秒级,单次成本降到几美分,高频快思考给各类Agent打开了新的想象空间。

MachinePulse把这套原生具备网页操作判断力的0.8B到31B全尺寸决策模型全部开源,给Personal Agent的创作者们送来一批趁手弹药。

通用大模型只管深度思考,毫秒级的高频拍板交给Karpo决策模型。

一张显卡就够,给你的Agent装上这颗击败谷歌闭源新王的「全球第一决策大脑」,去探索个人智能体的下一波浪潮。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 决策模型开源新王登顶全球榜首,反超谷歌闭源王牌

    新智元报道 硅谷最卷的新赛道,刚刚杀出了一位开源新王!最近,即将敲钟的Anthropic在IPO材料中曝出天价算力缺口,给狂卷参数的AI行业当头浇下一盆冷水。通用大模型虽在编程、数学上大杀四方,可一旦真替人干活,算力账单就成了无底洞。比生成文本更耗Token的是长链推理,而比推理更烧钱的则是操作浏览器,单次平均开销比复

    来源 腾讯网
  2. Anthropic本周启动IPO:1.25万亿美元估值能否撑住AI牛市

    作为首家独立上市的美国前沿AI公司,其定价将直接影响谷歌、亚马逊、微软等云巨头的8950亿美元资本开支逻辑。Dan Ives认为,若Anthropic上市估值能够站稳1.25万亿至1.4万亿美元乃至更高水平,并伴随强劲的股价表现,将直接为整个AI投资链条提供有力背书。

    来源 华尔街见闻
  3. 谷歌 DeepMind 核心高管再出走,首席战略官跳槽 Anthropic

    IT之家 11 月 17 日消息,据科技媒体《The Information》当地时间 16 日报道,谷歌 DeepMind 首席战略官贾斯吉特・塞孔(Jasjit Sekhon)已离职并加入 Anthropic。随着 Anthropic 即将在本周启动大规模首次公开募股(IPO),谷歌 DeepMind 的 AI 人

    来源 AI 行业观察
  4. Google三款新模型齐发:Hydrogen提速19%,API配额省24%

    2026年11月13日 AI 动态:Google 发布 Gemini 4 Hydrogen、Carbon 和 Decision 1,以价格和配额效率发起攻势;United Airlines 因安全风险屏蔽 AI 订票 Agent,PayPal 通过工程手段将助手准确率提升至 95%;开放权重模型向生命科学领域下沉。

    来源 AI 应用前沿
  5. Anthropic IPO前推10b5-1计划:5300名员工卖股有了新规矩

    据 商业内幕 报道,正筹备 首次公开募股 (IPO)的人工智能独角兽企业 Anthropic 针对员工股票出售引入了一项罕见的风险管控方案。面对截至9月拥有约5300名员工及高达1.4万亿美元目标估值的快速扩张期,该公司强制推行通常仅限高管使用的10b5-1交易计划,以此规避上市后由于信息流动加剧带

    来源 AI 开发者社区
  6. Lehigh大学开源Lev:一套权重循环多算,准确率63.2%升至76.2%

    Lehigh大学团队推出开源决策模型Lev,基于原生循环底座,通过重复计算多圈提升复杂问题准确率。其核心在于轻量停止器能按题目难度自动决定计算深度,简单题快答,难题深思。在JevBench测试中,四圈计算将准确率从63.2%提升至76.2%,且仅增加少量算力消耗。该模型支持无标签自校准,适合智能客服、内容审核等对延迟和

    来源 AI 应用前沿
  7. Anthropic筹备IPO:约5300员工全员适用10b5-1计划

    Anthropic筹备IPO期间,为员工股票出售引入罕见风控:在约5300名员工、目标估值达1.4万亿美元的快速扩张下,强制推行通常仅限高管的10b5-1交易计划,以规避上市后信息流动加剧的内幕交易合规风险。Aspiriant总监Teresa Greenip透露,该机制允许高管与员工按预设规则出售股票。

    来源 AI 产业速递
  8. 华为云开源具身世界模型CloudRobo-WM1.2,两项评测登顶

    今天,华为云“行业AI梦工厂”发布并开源昇腾原生的具身世界模型CloudRobo-WM1.2,采用共享世界模型骨干网络实现预测增强的世界表征,基于世界模型原生DualAct架构,实现了世界模型原生动作生成,在RoboTwin 2.0、LiberoPro 2.0 评测中均位列第一。

    来源 TechWeb
  9. 华为云开源CloudRobo-WM1.2:具身世界模型登顶两项评测

    今天,华为云“行业AI梦工厂”发布并开源昇腾原生的具身世界模型CloudRobo-WM1.2,采用共享世界模型骨干网络实现预测增强的世界表征,基于世界模型原生DualAct架构,实现了世界模型原生动作生成,在RoboTwin 2.0、LiberoPro 2.0 评测中均位列第一。

    来源 TechWeb
  10. 华为云“行业AI梦工厂”发布并开源昇腾原生具身世界模型CloudRobo-WM1.2

    【TechWeb】11月16日消息,今天,华为云“行业AI梦工厂”发布并开源昇腾原生的具身世界模型CloudRobo-WM1.2,采用共享世界模型骨干网络实现预测增强的世界表征,基于世界模型原生DualAct架构,实现了世界模型原生动作生成,在RoboTwin 2.0、LiberoPro 2.0 评测中均位列第一。 五

    来源 AI 行业观察
  11. 澳大利亚最大养老金基金高管质疑 Anthropic 1.4 万亿美元 IPO 估值,称市场存非理性行为

    IT之家 11 月 17 日消息,据彭博社报道,澳大利亚最大的养老金基金对人工智能公司 Anthropic 在首次公开募股(IPO)中瞄准的估值提出质疑,反映出机构投资者对这场可能创下全球史上最大规模纪录的上市交易持谨慎态度。 开发 Claude 聊天机器人的 Anthropic 计划将公司估值定在约 1.4 万亿美元

    来源 AI 行业观察
  12. Anthropic冲刺IPO:万亿帝国背后的收入、算力与资本账

    编者按:美国AI巨头Anthropic IPO上市在即,一份厚达数百页的S-1上市注册文件,也让这家前沿AI公司的商业版图与经营底牌首次大规模呈现在公众面前。科技媒体《The Verge》总编辑尼莱·帕特尔(Nilay Patel)在播客节目《Decoder》中,邀请芯片与人工智能研究机构SemiAnalysis分析师

    来源 腾讯网
  13. 英伟达博通到光模块,AI硬件资产预期重估

    导语:从英伟达、博通到光模块、半导体设备,AI硬件资产正在经历一场预期重估。过去两年,全球资本市场最拥挤的交易之一,就是买入AI硬件。英伟达的GPU、博通的定制芯片、台积电的先进制程,以及光模块、服务器、电源和散热设备,几乎构成了AI投资浪潮中最确定的一条受益链。投资者当时的逻辑并不复杂:只要微软、谷歌、亚...

    来源 腾讯网
  14. Hugging Face遭AI代理攻击后,CEO为何反而力推开源

    Hugging Face CEO Clément Delangue的公司今年早些时候遭失控AI代理攻击,攻击中使用了OpenAI模型。外界以为他会收紧控制,他却公开为开源辩护:AI能力若集中于少数公司,整个人类都将更脆弱。这场事件把开源与安全的长期争论推向新高度。

    来源 AI 科技快讯
  15. 谷歌 Pics 升级 Nano Banana 2.1 模型:出图细节更足,改图更稳

    IT之家 11 月 17 日消息,谷歌昨日(11 月 16 日)发布 Workspace 官方更新公告,宣布旗下图像工具 Google Pics 升级至 Nano Banana 2.1 模型,进一步改善图像生成和编辑体验。 在推送方面,谷歌表示面向快速发布(Rapid Release)和定期发布(Scheduled R

    来源 AI 行业观察
向下滚动自动加载更多