范式发布Phai系列模型:语言模型提速8-10倍,视频模型弱化AI感

资讯 AI 行业观察 作者:作者:杨过 全文 4121 字 · 约 11 分钟读完 配图 3 张 分类产品更新模型发布算力视频生成

11 月 18 日,范式智能无预告发布了自己的两款 Phai 系列模型:语言模型 Phai-A1 主打“快”,官方口径是同等质量下响应速度比同参数级别模型快 8–10 倍;视频模型 Phai-M1 主打“真”,即 AI 感更弱、画风细腻。 两款模型上线后,很快引起了 AI 圈的关注。部分网友甚至反应当天体验入口的服务器

所属频道 产品更新模型发布算力与芯片视频图像生成

11 月 18 日,范式智能未作预告,直接放出两款 Phai 系列模型。语言模型 Phai-A1 走“快”的路线,官方说法是同等质量下,响应速度能达到同参数级别模型的 8–10 倍;视频模型 Phai-M1 走“真”的路线,AI 味更淡,画面更细腻。

这两款模型上线之后,AI 圈很快就注意到了。有网友反馈,当天体验入口的服务器直接被挤崩了。

热度这么高,Phai 系列“快”和“真”到底靠什么撑起来,确实值得拆开看看。

下面结合官方已公开的信息和行业背景来分析,官方还没透露的细节,文中会标明。

同级模型 8-10 倍,Phai-A1 凭什么这么快?

范式公布的测试数据显示,在相同的单卡 RTX 3090 环境、相同版本的代码 Agent 任务下,Phai-A1 的响应速度比 Qwen 27B 快约 8 至 10 倍。

图片

稀疏激活:先把计算量砍掉一个数量级

Phai-A1 在 ModelScope 上的公开资料显示,它用的是 MoE(混合专家)架构:总参数 350 亿,但每个 token 只激活约 30 亿参数。Transformer 推理的计算量和激活参数成正比,激活量降一个数量级,单 token 的前向计算也就降一个数量级,这是 8–10 倍速度的主要来源。

对技术圈来说,MoE 不算新东西,可把它用在“代码与 Agent 场景优先”的模型上,匹配得挺聪明:这类任务交互频繁、单次请求短,延迟比吞吐更影响体验。总参数保住知识容量,激活参数压低延迟成本,“大模型的脑子,小模型的腿”。

原生百万上下文:长任务下还能快,才算真快

这是第二个值得拆开说的技术细节。

上下文一旦拉长,标准注意力机制下的 KV Cache 就会跟着膨胀,推理速度随之下降。A1 原生能撑住百万级上下文,响应速度还没掉下来,看得出它在注意力机制或者 KV 管理上动了工程手脚。

这一点常被忽略:单 token 快不算快,长任务跑到第 50 万 token 还不崩、不拖,才是 Agent 场景里的真速度。

据悉,Phai-A1 的模型权重已在 YaRN(factor=4)上做过额外训练适配,config.json 里也默认开启了 rope scaling,用来支持 1M 上下文。

另外,Phai 官网还给出一个数据细节:后训练数据直接覆盖百万 Token 长上下文场景,可以结合大型代码仓库、长篇资料和持续对话来干活。

更多 Trick,还得等范式团队即将公开的技术报告。

图片

后训练缩短“思考路径”

响应时延 = 首 token 延迟 + 生成 token 数 × 单 token 速度。前两项取决于模型“想多久”:Phai-A1 针对写代码、修问题、工具调用、多步任务做了强化训练,目标之一就是少走弯路,不生成冗余推理步骤,直接给出能执行的答案。

对 Agent 任务来说,砍掉无效 token,比单纯给每个 token 加速,体感提升更明显:任务完成时间被整体压缩。

部署位置前移:本地推理省掉整个网络

一张消费级显卡就够跑,推理因此可以落到本机。代码补全这种高频交互,省下的是 API 网络往返延迟,还有排队、限流这些没法自己掌控的变量。

据范式官网介绍,Phai-A1 支持个人电脑本地部署,能在 16G 显存参数的消费卡上运行,同时提供了两个 24G 显存参数的量化版本。开发者和企业可以按硬件条件、数据合规要求和业务需求,选不同的部署方式。

所以总结下来,Phai-A1 能做到快同级别参数模型 8–10 倍,靠的不是单点魔法,而是几个乘数叠在一起:激活参数降一个量级、原生百万上下文、后训练任务路径缩短、部署位置前移。

当然,这也说明它的快是分场景的:在长交互 Agent 任务上,优势会更突出。

Phai-M1 的“真”体现在哪

AI 视频生成是 Phai-M1 瞄准的另一个快速变化的市场,和通用语言模型的赛道并不相同。

眼下 AI 视频的比拼早已不只看画面能不能生成出来,人物表现、动作是否连贯、画面细节、音画同步、生成效率,都成了较量的维度。

Phai 此番主打的,正是这些维度上的“逼真度”。

图片

“AI 感”的根源在数据

塑料质感、违背物理规律的运动、飘忽不定的细节——视频生成模型身上的“AI 感”,多半来自训练数据的分布。网络视频素材分辨率参差、镜头语言随意,模型学到的自然就是“网络视频的样子”。据悉,Phai-M1 面向影视级生产场景,训练与优化都围绕真人影视场景展开,重点打磨人物表现、画面细节和整体视觉质感,生成的视频结果能达到影视级的画面水准。

范式这些年一直在影视内容业务上有合作,这条管线因此有了现成的数据与场景反馈。手里有专业影视素材训练作支撑,Phai-M1 的人物输出更自然、更接近真人影视,也就不奇怪了。

音画同步:多数模型绕开的“真”

人对音画错位极其敏感,偏差超过约 100 毫秒就能察觉,“声音对不上画面”恰恰最容易暴露 AI 生成的痕迹。

可这偏偏是短视频、短剧、影视剧等众多场景里的刚需:传统配音后期管线既慢又容易失真。

Phai-M1 把“音画同步生成”列为核心卖点之一,直戳这个痛点,解决得也相当好。猜测它在生成侧对音频与画面做了联合建模或严格对齐训练。

逼真 = 时序一致 + 细节耐看

单帧好看不难,难的是几十秒内光影连续、角色一致、微表情自然。行业通行做法是时空联合建模加细粒度运动控制。Phai-A1 是否也走了这条技术路线,目前不得而知。

效率是另一个值得关注的数字:3 分钟生成 15 秒高像素成片。对影视制作的生产管线来说,这个速度很关键,能大幅提升 AI 影视创作者的创作速度。

Phai-M1 的独特之处,在于它给出了自己去除视频“AI 味”的解法:

每帧惊艳还不够,关键是能进生产管线——可控、可迭代、音画可用。这和此前流行的“刷榜”显然是两条路。

基于国产算力的模型研发路径

范式 Phai 系列模型的研发路径,更值得琢磨。

据了解,Phai-A1 基于开源模型开展专项研发,后训练与强化学习相关流程在华为昇腾平台上完成。

也就是说,范式没有从零开始训练一个庞大的基础模型,而是借已有模型能力,通过后训练、强化学习及场景化优化,把模型在特定任务中的表现再往上推一步。

这条技术路径,正在成为大模型产业的重要方向。

基础模型提供通用能力,后训练则围绕目标任务进一步优化模型的行为、能力和效率。代码开发、Agent 等场景下,如何用高质量数据、训练方法及任务反馈让模型更好地完成复杂任务,正成为模型研发的关键环节。

范式把这一训练流程放在国产算力平台上完成,Phai 系列因此多了另一层产业意义。

国产 AI 芯片生态眼下正从推理部署逐步向模型训练环节延伸。模型厂商、芯片厂商和开发者社区之间的协同,成为推动国产算力生态完善的重要力量。

作为国产算力阵营的一员,范式在投入上一直舍得下本钱,也攒下了国产 AI 开发与部署的技术壁垒和生态优势。底层异构算力管理这块,范式发起的云原生异构算力开源项目 HAMi 7 月被全球顶级开源组织 CNCF 升为孵化级项目;模型适配方面,范式发起的国产芯片模型适配社区 ModelHub XC 已快速突破 30W+组芯模适配。

Phai 系列这次基于华为昇腾平台完成全流程后训练,被外界看作范式释放的又一个信号:它要往模型训练与国产算力平台的深度协同里探路。

对企业级 AI 厂商来说,这意味着模型不光能跑在国产算力环境里,研发、训练优化到应用部署这几段也能扣得更紧。

模型、算力与应用,正在形成新的竞争格局

Phai 系列这次发布,另一个变化在于范式重新摆了摆模型、算力和应用三者的位置。过去 AI 产业里,模型、算力基础设施和应用通常由不同团队或企业分别提供。

可随着 Agent 和 AI 应用走进复杂任务执行阶段,三者之间的协同越来越关键。

Agent 能不能读懂任务、完成推理,取决于模型能力;模型跑得快不快、成本高不高,受算力基础设施影响;应用场景则给模型提供真实反馈,推着能力继续迭代。

范式把 Phai 系列和旗下 ModelHub XC、HAMi、ModelSphere 以及 PhanthyCode、PhanthyMovie 等产品整合到一起,串出一条从模型研发、算力管理到上层应用的完整链路。

这大概也是企业级 AI 厂商做模型研发,和基础模型公司不一样的地方。

企业级 AI 厂商眼里,模型不是一个独立产品,而是整个 AI 平台能力的一部分。模型研发能反哺应用,应用反馈又能推动模型迭代,底层算力平台则为这个过程打底。

模型能力与真实业务需求持续结合下去,企业级 AI 厂商有可能走出一条有别于单纯模型竞争的技术路线。

写在最后

回过头再看范式发布 Phai 系列模型这件事,给业界留下的思考确实不少。

先说 Phai-A1 的“快”和 Phai-M1 的“真”,两者折射出 Phai 的整体打法:资源往特定场景最痛的“刀刃”上押。

更值得留意的是,大模型逐渐进入 Agent、AI 办公、代码开发和视频内容生产等场景之后,企业级 AI 厂商正在重新审视模型研发的价值。

再就是,有范式这样的国产算力派坚定推动,以华为昇腾为代表的国产 AI 算力生态正从以推理为主,走向可规模训练的階段。

第三,模型研发正把算力平台纳入自身环节,它不再只承担模型运行的基础设施角色;模型迭代的反馈来源同样可以来自应用,应用也不只是模型输出的一端。

这么看,Phai 更像是范式对 AI 全栈能力的一次延伸。

模型、算力与应用之间的边界渐渐模糊,企业级 AI 竞争的下一个阶段,或许不再只是比谁拥有更强的模型,而是比谁能更高效地把模型能力转化为真实的生产力。

范式这次发布的 Phai,正是一次值得长期观察的尝试。

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. 隆基绿能张盛:AI算力带动光储融合,储能发货已达13吉瓦时

    21世纪经济报道记者雷椰 肖文旸 李德尚玉 安塔利亚报道 AI算力的持续扩容,正在重塑绿色电力的供给逻辑,光伏与储能融合方案迎来全新的应用场景考验。 今年,AI成为《联合国气候变化框架公约》第三十一次缔约方大会(COP31)热门话题。大会期间,东道主发起《安塔利亚AI宣言》。中国角举办了‌“可持续人工智能助力气候韧性.

    来源 腾讯网
  2. HPE推ProLiant Gen13服务器:搭载第六代AMD EPYC,主打AI推理与安全

    为此,HPE以全新ProLiant Gen13服务器作出系统性回应。HPE此次推出的两款ProLiant Gen13服务器,融合HPE深厚的工程技术积淀与AMD EPYC 9006 SP7处理器的性能优势,在核心密度、内存带宽及I/O能力等方面实现进一步提升,为企业应对AI时代多元化、复杂化的计算需求提供强劲算力支持。

    来源 TechWeb
  3. 腾讯WorkBuddy日活破1000万:日均Token超100万亿,企业500强渗透过半

    腾讯2026年第三季度财报披露,AI助手WorkBuddy截至11月初日活突破1000万,日均Token调用量超100万亿,成为中国大语言模型日均Token用量最高的AI产品。自今年3月发布以来,它已完成100多个大版本更新,迭代迅速;C端火热同时,B端也在拓展,开放平台上线仅两个月,Buddy应用已取得进展。

    来源 AI 产业速递
  4. HPE ProLiant Gen13上新:第六代AMD EPYC加持,面向AI推理与企业负载

    为此,HPE以全新ProLiant Gen13服务器作出系统性回应。HPE此次推出的两款ProLiant Gen13服务器,融合HPE深厚的工程技术积淀与AMD EPYC 9006 SP7处理器的性能优势,在核心密度、内存带宽及I/O能力等方面实现进一步提升,为企业应对AI时代多元化、复杂化的计算需求提供强劲算力支持。

    来源 TechWeb
  5. 腾讯高管:预计 2028 年 AI 投入产出效率改善,得益于基础设施复用、硬件降价与算力效率提升

    IT之家 11 月 18 日消息,据科创板日报报道,腾讯高管在业绩会上表示,公司当前的资本开支主要用于 AI 基础设施建设,这类投入并非一次性消耗,而是能够形成可持续使用的基础设施,既可用于新一代模型训练,也能持续支撑 Token 生成。随着 2026 年、2027 年建设的基础设施在后续年份持续发挥作用,预计到 20

    来源 AI 行业观察
  6. 刚刚,Gemini 4 Neon 突袭发布,性价比一夜斩杀 Opus 5.5

    谷歌发布 Gemini 4 Neon,主攻软件工程、知识工作与科学推理,提供百万上下文窗口,每百万输入、输出 Token 分别为 3 美元和 15 美元。新模型发布当天上线 Gemini App、AI Studio 和企业端 API,文章对比了其与 Claude Opus 5.5 等模型的表现。

    来源 爱范儿
  7. 英伟达Q3营收1158亿美元 数据中心增长110%验证AI周期延续

    2026年11月17日英伟达公布第三财季财报,总营收1158亿美元同比增长103%,数据中心营收1076亿美元同比增长110%。Vera Rubin NVL72开始出货并在多家云服务商上线。新管理团队首份完整季报显示,未履行云端订单预估上调至2.5万亿美元。财报直接回应市场对AI算力需求可持续性的疑问,显示超级算力周期

    来源 AI 行业观察
  8. OpenAI发布GPT-6.2 Astra与Sol:API缓存输入降价60%

    人工智能领域的竞争再度迎来实质性进展。当地时间11月17日,OpenAI 正式发布了全新升级的两款主力模型——GPT-6.2Astra 与 GPT-6.2Sol。作为面向不同应用场景打造的新一代智能引擎,这两款模型在专业工作、日常任务处理以及 API 使用成本上均实现了显著优化。 双核驱动:Astr

    来源 AI 开发者社区
  9. GPT 像极了“五条人”:刚想淘汰它,6.2-Sol 又杀回我的主力工位了

    哈喽,大家好,我是刘小排。就在刚才(北京时间 11 月 18 日凌晨),OpenAI 发布了两个新模型:GPT-6.2 Sol 和 GPT-6.2 Astra。这个模型是今天凌晨刚发布的,现在也是北京时间的凌晨。它一上线,我就把手里憋了好几个月的 GPT-6.1 时代的 bad case 一口气全扔给它,结果它都做得还

    来源 腾讯网
  10. 腾讯三季度营收2073.4亿元:AI业务多点突破,云服务收入增35%

    腾讯控股发布2026年第三季度财报,AI业务取得多项突破:最新一代混元大模型Hy4发布时位列Agent Arena中国模型第一;WorkBuddy日活超1000万,日均Token消耗量超100万亿,成为国内日均大语言模型Token消耗量最高的AI产品;微信AI助手“小微”灰测范围持续扩大;AI需求带动云服务收入同比增长

    来源 TechWeb
  11. AI虚拟细胞:从“解释生命”到“预测生命”| CMC资本参投元示科技近3亿元Pre-A轮融资

    近日,AI虚拟细胞(AIVC)企业元示科技宣布完成近3亿元人民币Pre-A轮融资,CMC资本参与本轮投资。募集资金将用于数据积累、算力设施与自动化实验平台搭建,以及模型迭代和团队建设。 元示科技聚焦AI虚拟细胞,以“生物学原始数据引擎+通用细胞模型”构建生命科学底座,致力于预测细胞在不同疾病状态、实验条件和干预方式下的

    来源 AI 行业观察
  12. 腾讯WorkBuddy日均Token消耗超100万亿:居国内AI产品之首

    11月18日,腾讯控股(00700.HK)发布2026年第三季度财报,AI业务取得多项突破:最新一代混元大模型Hy4发布时位列Agent Arena中国模型第一;WorkBuddy日活超1000万,日均Token消耗量超100万亿,成为国内日均大语言模型Token消耗量最高的AI产品;微信AI助手“

    来源 AI 开发者社区
  13. 谷歌AI Mode上线临时对话:聊天不进搜索历史,无痕开关来了

    谷歌为其搜索中的AI Mode上线“临时对话”功能,用户与AI的交流不会写入搜索历史,也不会影响后续推荐。这一类似浏览器无痕模式的设计,正面回应了外界对AI搜索记录隐私的担忧,也标志着搜索巨头正在个性化体验与用户隐私之间寻找新的平衡点。

    来源 AI 科技快讯
  14. Gmail宕机传言虚惊一场,谷歌连夜澄清并指向补丁潮与AI挖洞

    过去一周,微软365、Outlook大规模中断;11月17日苹果因内部系统更新故障,iCloud、Apple Pay等服务受影响。随后X上传出Gmail也宕机,源头或为Downdetector:美东17日中午收到超2800条故障报告,多涉及邮件接收。但该平台数据由用户众包提交,仅反映报告情况,不足以证实Gmail发生大

    来源 AI 产业速递
  15. Palmer Luckey警告:AI网络攻击已跑赢防御

    Anduril联合创始人Palmer Luckey警告,AI驱动网络攻击正超越防御体系,过时技术让系统暴露于新一波攻击。本文分析攻击自动化、规模化与社工升级,防御侧遗留系统、补丁与人力瓶颈,并提出零信任、AI防御、情报共享与持续对抗建议。

    来源 AI 行业观察
  16. 特朗普政府再收紧AI芯片渠道:丑闻成了新规推手

    特朗普政府宣布将再度收紧中国获取AI芯片的渠道,而促成这一决定的,竟是一桩被称为“世纪作弊丑闻”的事件。当出口管制靠丑闻驱动、靠打补丁推进,这场芯片战的打法正变得愈发荒诞。本文拆解政策背后的逻辑错位、产业代价,以及真正该被追问的问题。

    来源 AI 科技快讯
  17. 谷歌地图Ask Maps升级:AI可代打电话订位,还能规划自驾路线

    谷歌于2026年11月16日宣布对其基于Gemini技术的 Google Maps 聊天机器人 Ask Maps 进行重大功能更新。该工具现在不仅能够查找美容、宠物护理、汽车和房屋维修等各类预约服务,还能直接致电当地商家完成预订,并在显示可用时段前自动收集必要信息。同时,用户还可借助该功能查找已保存

    来源 AI 开发者社区
  18. 阿里自研芯片与千问大模型双线推进,智能体成新战场

    ◎记者 郭成林 11月16日,阿里巴巴发布新一代旗舰大模型Qwen4-Max。同一天,阿里巴巴旗下千问办公上线10款大模型,其中包括竞争对手的产品。 一边加码自研模型,一边主动开放应用入口,折射出阿里巴巴AI战略的两条主线:向上,通过芯片、模型和云计算建立智能生产体系;向下,通过智能体争夺企业工作流和消费交易入口。 过

    来源 腾讯网
  19. Model ML融资2.5亿美元:AI代理替投行分析师改模型、做PPT

    据TechCrunch报道,AI创业公司Model ML完成2.5亿美元融资,主打为投行与咨询顾问自动更新财务模型和演示文稿。其代理能理解交易全貌,在新信息影响分析时自动同步修改。这轮融资折射出资本对金融垂直AI的押注:投行初级员工的建模与做PPT苦活,正成为大模型最现实的落地场景之一。

    来源 AI 科技快讯
  20. 苹果收紧Mac磁盘权限:AI Agent惹的祸?

    今天凌晨,苹果向开发者推送了 macOS 27.3 Beta 2。不少开发者在升级后发现,当应用申请「完整磁盘访问权限」时,系统会弹出一个带有红色感叹号的警告窗口

    来源 36氪
  21. “最优秀的开发者,正在被AI慢慢耗尽……”每天审查15个PR、硬啃2万行AI代码,资深工程师被逼成「质检员」,有人干脆辞职

    AI 编程工具越来越强,程序员却好像越来越不开心了。 以前,工程师最头疼的事情可能是赶项目、修 Bug、熬夜上线。现在,Claude Code、GitHub Copilot 等 AI 工具已经能帮他们生成大量代码,甚至接手过去需要几天才能完成的开发任务。 按理说,程序员应该轻松不少才对。 但现实却有些反常:一些经验丰富

    来源 AI 行业观察
向下滚动自动加载更多