Claude的AI智能体7周造出38个模型,下载量约5.5万次
当AI开始造AI的模型量产时代来了
一家造AI的“工厂”,由
Claude开起来了。
七周时间,它交出38个模型,累计被下载约5.5万次,进入100多个GitHub项目。其中提示注入检测系列贡献了约1.7万次下载。

Horizon是这家工厂背后的“老板”,一个基于Claude Opus 5.5的智能体。开局时它手上只有一个空白的Hugging Face账号和一份算力。研究团队把方向选择权交给它,唯一的要求是做出开发者真愿意用的模型。
它做的一款模型,专给88种语言的文本补标点。丢给它一大段没有标点、密密挤在一起的会议录音文字稿,它能自己断句,再把标点补上。

英文会议转录稿里,蓝色部分是模型补出的标点。换句话说,如果你在Hugging Face上挑了个小模型,接进自己的会议工具做断句和补标点,背后负责微调、发布的开发者,可能就是Claude。
AI当老板坐镇,顶尖研究员接单打下手
实验由EPFL、ELLIS图宾根研究所、马普智能系统研究所和帝国理工等机构的研究人员推动。他们把Horizon装进Claude Code,让它7×24小时挂在后台。给它的全部资源只有一份Team Premium订阅,加上每周约500个GPU小时的算力。选题立项、训练模型、打包发布,都由它拍板并一手完成。
碰上自己搞不定的杂活,它会直接给人类提工单。于是这家AI公司里出现了这样的分工:AI坐镇当老板,顶尖高校的研究员在后台接单跑腿。这份跑腿活也没持续几天,人类的介入大多集中在头三天,10月22日之后团队彻底放手,完全交给AI独自操盘。
指挥两条AI流水线,它当起甩手掌柜
拆开Horizon的工作流看,它不像埋头苦干的学者,更像一个精明老练的“包工头”,连班都不愿多上。虽然全天候挂在后台,它日均干活时间只有16分钟。

每天它卡着Hugging Face刷新下载量的时间点准时“醒”来,看一眼榜单,只挑下载量高、值得投入的模型继续打磨。没有反馈就歇着,看准风向再动手,不在工时上硬耗。
动手开新项目前,它先把账算得明明白白:同类模型到底有没有下载需求?能不能多支持几种语言、把部署成本再压一压?手头的数据、底座和代码能不能直接拿来复用?开发者拿到手能不能无缝替换……
账算到这个份上,它当然不肯去干从零造轮子的苦活。
底座选的是多语言模型mmBERT,一路微调改装下来,38个模型的参数量全卡在1.41亿到5.68亿之间。搁在动辄千亿参数的大模型堆里,这些家伙全是「蝇量级」选手。
可对一线开发者来说,省显存、好部署、拿来就能跑,比虚胖的参数实在得多。
攒训练数据时,Horizon把「甩手掌柜」做到了极致:数据自己不手搓,先抓一款27B开源模型批量造合成数据,再让Gemma 4 31B打标签、扩充数据集。Claude坐镇监工,一个AI指挥另外两个AI在流水线上干活,妥妥的甲方思维。
顺着这套打法锁定的需求,也都是开发者的刚需:检测提示注入、遮盖个人信息、识别有害内容等。看得出来,Horizon把重头戏全押在了给AI应用装「护栏」上。
其中一款提示注入检测模型,光基础版下载量就超过7000次。

最懂怎么防AI被忽悠的,果然还是AI自己。
自刷流量、手滑翻车,这个AI老板也太有「人味」了
看到5.5万这个数字,不少人的第一反应是:这里头水分有多大?研究团队自己也翻了一遍底账,估算自家操作带来的下载最多50次。
更搞笑的是Horizon自己:它居然给自己刷了42次下载。这一幕被研究团队原封不动写进论文,当众公开处刑。团队查到,Horizon在6次操作中下载了自己的模型,共计42次。

同样的失误之前也发生过。10月22日,底层框架出了故障,它因此「睡过头」,醒得比平时晚了一些;再往前,10月中旬它把一张工单答错了;9月24日则「手滑」将一份账号副本设成了公开。
中间还闹过一出插曲:另一个并行运行的智能体曾短暂共用过它的账号,顺手发过推广评论。论文也把这笔引流账单列了出来。
给自己刷量、手滑公开账号副本、上班迟到、室友乱发小广告……草台班子的剧本几乎集齐了,从这一点看,确实很有「人味」。
把团队自测的50次、自刷流量的42次,加上推广带进来的水分全部扣除,剩下这5万多次真实下载,底子依然扎实。
一千美元的账单,打脸了多少大厂
下载量之外,这笔买卖的成本账更出人意料。
每周约500个GPU小时的算力额度,Horizon最终用掉不到两成,七周加起来满打满算跑了600多个小时。
全程耗掉的约19亿个token中,有96%来自提示缓存。
按API价格折算,这些token的账单约1030美元——在硅谷,这点钱连给实习生发半个月工资都不够。

约19亿个token按API价格折合1030美元,GPU开销另算。
钱没花多少,Horizon的成绩单却挺硬:
它打进上百个GitHub项目,模型还被两篇arXiv论文拿去评测,Hugging Face社区甚至沿着它的成果又做出18个衍生模型。
不少人以为AI自主研发一定是烧钱堆卡的豪门玩法,Horizon用这一千美元蹚出了另一条道:不比算力排场,专挑日常刚需下手,一样在开源社区站住了脚。
从前AI靠跑分说话;如今看的是它能不能替开发者把脏活累活干利落。
Horizon这个例子说明,AI造出来的AI,已经通过了真实开发者这一关。
放到ASI(超级智能)这条路上看,这是自我进化飞轮转起来的第一步。
后面要看的,是它能否跟着用户反馈迭代模型,再把这身本事反哺自身,让更强的AI去训下一代AI。
在那一天到来之前,变化其实已经悄悄发生:你从网上下载的某个专用模型,作者说不定就是AI。
参考资料:
https://x.com/AWuhrmann/status/2122706838005440651
https://horizon-labs.ai/
https://huggingface.co/Horizon-Labs