快与真:范式首批国产算力训练的 Phai 系列模型,究竟有什么不同

资讯 InfoQ 作者:杨过 陈姚戈 全文 4121 字 · 约 11 分钟读完 配图 3 张 分类算力

算力平台不只是模型运行的基础设施,也正在成为模型研发的一部分;应用不只是模型的出口,也可以成为模型持续迭代的反馈来源。

所属频道 算力与芯片

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都崩掉了。

如此火爆的反响之下,这两款模型的“快”和“真”的背后,很值得我们仔细拆解一番。

本文结合官方公开透露信息与行业背景机制来进行分析——官方尚未公布细节的部分,文中会明确标注。

快同级别模型 8-10 倍,Phai-A1 为什么可以?

根据范式公布的测试数据,在相同单卡 RTX 3090 运行环境、相同版本代码 Agent 任务下,Phai-A1 响应速度较 Qwen 27B 提升约 8 至 10 倍。

图片

稀疏激活:计算量先降一个数量级

Phai-A1 在 ModelScope 上的公开资料显示,它采用了 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 推理的计算量与激活参数成正比,激活量降一个数量级,单 token 的前向计算就降一个数量级——这是 8–10 倍速度的主要来源。

对于技术圈而言,MoE 并不是新东西,但把它用在“代码与 Agent 场景优先”的模型上,不得不说是个聪明的匹配:这类任务交互频繁、单次请求短,延迟比吞吐更影响体验。总参数保住了知识容量,激活参数压低了延迟成本——“大模型的脑子,小模型的腿”。

原生百万上下文:长任务下的速度才是真速度

这是第二个值得注意的技术细节。

要知道,标准注意力机制下,上下文越长,KV Cache 越大,推理越慢。A1 原生支持百万级上下文仍能保持响应速度,这意味着它在注意力机制或 KV 管理上必然做了工程处理。

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 场景的真速度。

据悉,Phai-A1 的模型权重已在 YaRN(factor=4)进行过额外训练适配,并且在 config.json 中已经默认开启 rope scaling 以支持 1M 上下文。

此外,Phai 官网给出了一个数据方面的细节:后训练数据直接覆盖百万 Token 长上下文场景,可结合大型代码仓库、长篇资料和持续对话开展工作。

更多的 Trick,还是等等范式团队即将公开的技术报告吧。

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 面向写代码、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,直接给出可执行的答案。

对 Agent 任务来说,砍掉无效 token 比单纯加速每个 token 的体感提升更明显: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

单张消费级显卡能跑,意味着推理可以发生在本机。对代码补全这类高频交互,省掉的不只是 API 的网络往返延迟,还有排队、限流这些不可控变量。

据范式官网介绍,Phai-A1 支持个人电脑本地部署,支持在 16G 显存参数的消费卡运行,并同步提供了两个 24G 显存参数的量化版本。这意味着开发者和企业可以根据硬件条件、数据合规要求及业务需求,选择不同的部署方式。

所以总结下,可以看出 Phai-A1 能做到快同级别参数模型 8–10 倍,一定不是单点魔法,而是多个乘数叠积的结果——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,这也意味着它的快是场景化的:在长交互 Agent 任务上,优势会更加突出。

Phai-M1 为什么真

相比通用语言模型,Phai-M1 面向的是另一个正在快速变化的市场——AI 视频生成。

目前 AI 视频的竞争已经从单纯生成画面,逐渐转向人物表现、动作连贯性、画面细节、音画同步以及生成效率等多个维度。

Phai 这次主打在这些维度上的“逼真度”。

图片

“AI 感”首先是数据问题

视频生成模型的“AI 感”——塑料质感、物理不合理的运动、飘忽的细节——大部分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,模型学到的就是“网络视频的样子”。据悉,Phai-M1 面向影视级生产场景,围绕真人影视场景进行训练与优化,重点提升人物表现、画面细节和整体视觉质感,生成视频结果可达到影视级的画面水准。

不难发现,范式近年来一直有着影视内容业务的合作,这无疑为这条管线提供了天然的数据与场景反馈。有自身的专业影视素材训练做支撑,也就不难理解为何 Phai-M1 的人物输出更加自然、更接近真人影视了。

音画同步:被大多数模型跳过的“真”

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

然而,这也是短视频、短剧、影视剧等众多场景里的刚需问题:配音后期的传统管线既慢又容易失真。

Phai-M1 把“音画同步生成”作为核心卖点之一,可以说是直戳这个痛点,并且解决的很好,猜测背后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。这一点不知道 Phai-A1 是否也采用了这样的技术路线。

另一个值得注意的数字是效率:3 分钟生成 15 秒高像素成片,这个速度对于影视制作的生产管线尤为重要,可以很大程度上提升 AI 影视创作者的创作速度。

可以看出,Phai-M1 的独特之处在于,给出了自己对于去除视频“AI 味”的解法:

每帧惊艳还不够,重要的是能进生产管线——可控、可迭代、音画可用。这和此前流行的“刷榜”无疑是两条路。

基于国产算力的模型研发路径

更值得思考的是,是范式 Phai 系列模型的研发路径。

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

这意味着,范式并没有选择从零开始训练一个庞大的基础模型,而是基于已有模型能力,通过后训练、强化学习及场景化优化,进一步提升模型在特定任务中的表现。

这一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。对于代码开发、Agent 等场景而言,如何通过高质量数据、训练方法及任务反馈,让模型更好地完成复杂任务,正在成为模型研发的关键环节。

与此同时,范式将这一训练流程放在国产算力平台上完成,也让 Phai 系列具备了另一层产业意义。

当前国产 AI 芯片生态正在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。

作为国产算力派,范式一直在做着真金白银的投入,积累了深厚的国产 AI 开发与部署的技术壁垒和生态优势。底层异构算力管理方面,源于范式的云原生异构算力开源项目 HAMi 已于 7 月被全球顶级开源组织 CNCF 晋升为孵化级项目,模型适配方面,范式发起的国产芯片模型适配社区 ModelHub XC 已经快速突破了 30W+组芯模适配。

此次,Phai 系列基于华为昇腾平台的全流程后训练,无疑是范式释放出探索模型训练与国产算力平台的深度协同的又一个信号。

对于企业级 AI 厂商而言,这种能力不仅意味着模型可以运行在国产算力环境中,也意味着模型研发、训练优化和应用部署之间能够形成更紧密的技术闭环。

模型、算力与应用,正在形成新的竞争格局

此次 Phai 系列发布,另一个值得关注的变化是范式对模型、算力和应用之间关系的重新布局。在过去的 AI 产业发展中,模型、算力基础设施和应用往往由不同团队或企业分别提供。

但随着 Agent 和 AI 应用逐渐进入复杂任务执行阶段,三者之间的协同变得越来越重要。

模型能力决定 Agent 能否理解任务并完成推理;算力基础设施影响模型的运行效率和成本;应用场景则为模型提供真实反馈,推动能力持续迭代。

范式此次将 Phai 系列与旗下 ModelHub XC、HAMi、ModelSphere 以及 PhanthyCode、PhanthyMovie 等产品进行整合,形成了一条从模型研发、算力管理到上层应用的完整链路。

这也是企业级 AI 厂商做模型研发与基础模型公司的一个不同之处。

对于企业级 AI 厂商来说,模型不仅是一个独立产品,更是整个 AI 平台能力的重要组成部分。模型研发可以反哺应用,应用反馈又可以推动模型迭代,而底层算力平台则为这一过程提供基础支撑。

当模型能力与真实业务需求持续结合,企业级 AI 厂商可能形成一条区别于单纯模型竞争的技术路线。

写在最后

回过头来,再来看范式发布 Phai 系列模型。的确给业界带了很多值得思考的变化。

首先,Phai-A1 的“快”和 Phai-M1 的“真”折射出 Phai 的一个整体打造思路:把资源押在特定场景最痛的“刀刃”上。

更值得关注的是,随着大模型逐渐进入 Agent、AI 办公、代码开发和视频内容生产等应用场景,企业级 AI 厂商正在重新审视模型研发的价值。

其次,在范式这样的国产算力派的坚定推动之下,以华为昇腾为代表的国产 AI 算力生态正在从推理为主走向可规模训练的阶段。

第三,算力平台不只是模型运行的基础设施,也正在成为模型研发的一部分;应用不只是模型的出口,也可以成为模型持续迭代的反馈来源。

从这个角度看,Phai 更像是范式对 AI 全栈能力的一次延伸。

当模型、算力与应用之间的边界逐渐模糊,企业级 AI 竞争的下一个阶段,或许将不再只是比拼谁拥有更强的模型,而是比拼谁能够更高效地将模型能力转化为真实的生产力。

范式此次发布的 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. 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
  2. 马斯克呛声奥尔特曼:SpaceX 不给 OpenAI 算力,年底冲 120万块 GPU

    人工智能行业的算力江湖近期迎来了一场高层口水战。据媒体报道,随着 SpaceX 在数据中心领域的持续重金投入,其正逐步成长为美国最具潜力的算力租赁商。然而,特斯拉与 SpaceX 首席执行官埃隆·马斯克近日在社交平台上公开表态,明确直言 SpaceX 预计不会向竞争对手 OpenAI 出售任何算力,

    来源 AI 开发者社区
  3. 马斯克:SpaceX 对 OpenAI 算力销售预计为零

    人工智能算力领域掀起高层口水战。SpaceX持续重金投入数据中心,正成为美国颇具潜力的算力租赁商。马斯克公开表态,SpaceX预计不会向竞争对手OpenAI出售任何算力,并预设未来对其销售额为零。双方还就需求虚高论与产品质疑展开隔空交锋,引发关注。

    来源 AI 产业速递
  4. 黄仁勋离职后英伟达营收仍看涨:AI算力狂热能否撑起增长故事?

    据TechCrunch报道,尽管创始人兼CEO黄仁勋因丑闻离职令英伟达陷入动荡,公司仍预计创纪录的营收势头不会中断。这份乐观指引背后,是AI算力需求的持续狂热,也是客户集中、竞争加剧与治理重建的多重考验。市场正在追问:没有了“皮衣教主”的英伟达,还能把增长故事讲多久?

    来源 AI 科技快讯
  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. 黄仁勋辞任英伟达CEO:国产GPU放量,寒武纪净赚37亿

    华人科技商业界领袖、执掌英伟达33年、推动其成为全球市值第一大公司的黄仁勋,因突发事件辞去了总裁、首席执行官及董事职务。 在英伟达官方网站,黄仁勋已被移除管理层序列,和克里斯·马拉科夫斯基一同被放到了“创始人”一栏中。甚至在X平台上,他的蓝V认证、CEO头衔也都消失了。 由黄仁勋把控这家全球AI算力霸主的时代,已经在实

    来源 AI 行业观察
  7. 英伟达董事会:无意让黄仁勋回归

    尽管特朗普总统、马斯克及多位硅谷高管公开施压,英伟达董事会仍明确表示「不打算」让被罢免的CEO黄仁勋回归。这场围绕芯片巨头最高权力的博弈,把公司治理、政治干预与AI算力霸权三条线索交织在一起,也让「董事会独立性」成为硅谷新的争议焦点。

    来源 AI 科技快讯
  8. Salesforce按岗位设AI使用预算:员工单月Token费用达数千美元

    在AI技术高歌猛进、企业推进智能转型之际,AI Token开支正成为企业不可忽视的财务压力。据《商业内幕》,部分Salesforce员工上季度单月消耗AI Token费用高达数千美元。为此,这家CRM巨头开始对全公司员工AI使用额度实施岗位预算制,以应对高企算力成本,从无节制探索转向精细化管控,文章还提及首席运营官米格

    来源 AI 产业速递
  9. 腾讯:WorkBuddy七天年化收入突破5亿美元,是腾讯会议的两倍以上,受算力限制下一代混元推出时间可能延迟

    腾讯交出一份被AI重塑的季度成绩单:云业务增速从21%跳升至35%,Workbuddy日活突破1000万、年化收入超5亿美元,管理层定调——"AI让现有业务用更少的人,多出来的人去建新业务。"周二晚间,腾讯2026年第三季度财报电话会召开,公司创始人兼CEO马化腾、总裁刘炽平、高级执行副总裁兼首席战略官詹姆斯·米切尔(

    来源 腾讯网
  10. DeepSeek免费额度连限两日未松,C端收费要来了吗?

    红星资本局11月18日消息,距离DeepSeek对免费用户竖起“额度墙”已过去两天,但限额仍未松动。有用户反映,每天会接到“因服务器繁忙,使用额度已达上限”的通知,部分用户甚至使用不到1小时,额度即告耗尽。市场预测DeepSeek接下来会逐步收紧C端资源,但截至目前,DeepSeek官方尚未发布任何统一的付费规则或说明

    来源 腾讯网
  11. AI按Token计费,需求暴涨利润为何反降

    2026年的AI行业,正卡在一个反直觉的尴尬期。 一面是当前的AI需求在一路疯涨。据OpenRouter数据,其平台调度的Token处理量在20个月内增长了约250倍,达到128.4万亿枚;算力租赁市场也随之水涨船高,H200的租赁价格年内上涨了160%,B200上涨120%。 然而,落入口袋的利润却异常惨淡。同样是O

    来源 AI 行业观察
  12. RK3668处理器:6nm工艺,2027Q1出工程样品

    IT之家 11 月 18 日消息,根据开源硬件制造商 Radxa(瑞莎)分享的文档,瑞芯微计划于 2027 年第 1 季度交付下代通用处理器 RK3668 的样品。RK3668 将采用 6nm 制程工艺,CPU 集成 6 个 Arm Cortex-A725、2 个 Arm Cortex-A520,搭配 Arm Mali

    来源 腾讯网
  13. 美国拟限远程获取先进芯片:第三国数据中心租算力也要许可

    本文仅在今日头条发布,谢绝转载 美国对中国的算力封锁,又向前迈了一步。 美国商务部工业与安全局,公布了一份新的出口管制规则草案,名字叫《限制远程获取先进半导体》。这份文件意味着什么?简单来说,过去美国主要限制先进AI芯片直接出口到中国,现在不仅要管芯片卖到哪里,还要管芯片最终给谁使用,甚至要限制中国企业通过第三国的数据

    来源 AI 行业观察
  14. 华为杨浩AICon北京开讲:昇腾算力下大模型推理怎么加速

    当 Agent 真正进入企业流程,哪些工作可以交给 AI ?50 + 实战案例揭晓答案! AI 正在从回答问题的辅助工具,走向理解目标、调用系统、完成任务的工作承担者。当 Agent 真正进入企业流程,问题不再是 “如何把 AI 做出来”,而是哪些工作可以交给 AI、结果如何验收、权限、成本与风险如何收住。随着大模型向

    来源 AI 行业观察
  15. 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
  16. 美国拟限中国公司租海外AI算力,TPP超1200万需许可

    将环球科学设为星标周一至周五第一时间掌握最新鲜的全球科技资讯· 人工智能 ·美国拟禁止中国公司租用海外AI算力图片来源:unsplash美国限制向中国出口部分先进AI芯片,但中国企业仍能租用马来西亚等地数据中心的算力训练模型,整个过程无需把设备运入中国。据《联合早报》报道,11月16日,美国商务部公示了有关远程使用先.

    来源 腾讯网
向下滚动自动加载更多