↑

范式智能首发基座模型 Phai-A1 与 Phai-M1:昇腾全链路训练

PromptTree|阅读 0
2026/11/20 07:37
范式智能Phai-A1昇腾基座模型
范式智能首发基座模型 Phai-A1 与 Phai-M1:昇腾全链路训练
范式智能(原第四范式)首次发布自研基座模型 Phai-A1 与 Phai-M1,两款模型全链路在华为昇腾平台完成训练与后训练优化。Phai-A1 面向代码开发与智能助手,主打原生长上下文与单卡 RTX 3090 可跑,官方称同等效果下响应速度快约 8 至 10 倍;Phai-M1 面向影视级视频生成,约 3 分钟生成 15 秒 720P,音画在同一流水线内完成。官方表示近期将在 Hugging Face 与 ModelScope 开放权重。

做行业 AI 平台的公司,开始自己做基座模型了。范式智能(原第四范式)首次把自研模型端到台前,一次性发布两款:Phai-A1 与 Phai-M1。比起模型本身,更值得注意的是训练路径——按官方口径,两款模型的全链路训练与后训练优化都在华为昇腾平台上完成,不是「训完再适配」。

范式智能的主业是把 AI 送进金融、零售、制造等行业的业务流程,过去更多扮演平台与交付方角色。这次下场做基座,选择的是一条「以小搏大」的路线:不拼参数规模,而是把单位成本与响应速度当作主战场。

Phai-A1 的定位是代码开发与智能助手,覆盖写代码、修 bug、调工具、跑多步任务。官方给出的对比是:在保证效果的前提下,响应速度比同级方案快约 8 至 10 倍,测试条件是两个模型都跑在单张 RTX 3090 上、用同一版本的代码智能体完成同样任务。在 SWE-Bench-Verified、SWE-Bench-Pro、SWE-Bench-Multilingual 三张软件工程考卷上,官方称 Phai-A1 跑赢同级别选手,部分指标接近千亿参数级前沿模型。

长上下文是它的主要卖点,而且打的是「原生」这张牌:后训练数据直接覆盖百万 token 场景,而不是靠外推或分块堆叠。这个区别在实际使用中很关键——堆叠式方案在超长输入下容易出现中间信息丢失,原生长上下文则更接近「整段读完再回答」。官方称其能处理大型代码仓库、长篇资料与跨天对话。

部署形态同样激进:单张 RTX 3090 就能跑,不需要云端排队,也不按 API 计费。对做私有化部署的团队来说,这条比跑分更有吸引力——一台高配工作站就能承载一个可用的代码助手,数据不出内网。

Phai-M1 走另一条线。它面向 AI 短剧与影视场景,针对表情不自然、皮肤塑料感、音画不同步、动作细节失真这些常见短板做专项训练。官方称其在人物表现、画面细节与整体质感上达到影视级水准,最实用的一点是音画同步在同一生成流水线内完成,不需要后期对口型。效率上,约 3 分钟可生成一个 15 秒 720P 视频;对按集排产的短剧团队,生成时长直接决定成本结构。

国产算力这一层是这次发布的隐含主线。范式在异构算力纳管上有 HAMi,在芯片与模型适配上有信创模盒社区,与华为的合作也一直紧密。官方强调,团队从模型优化阶段之初就按国产算力环境的实际情况做设计,而不是先按海外硬件调好再迁移。这一点决定了模型的性价比曲线能否在国内的算力供给条件下复现。

目前 Phai 系列已接入范式自家产品线,包括 PhanRouter、ModelSphere、Phanthy(万神殿)、PhanthyMovie、PhanthyCode/Work 等。官方表示近期会把 Phai 系列开源,Hugging Face 与 ModelScope 同步发布,并附更详细的技术报告。

判断这件事的分量,要看两个后续变量。第一是权重与许可:若真按承诺开源,且许可允许商用与二次微调,它会成为国产算力路线上一个可被验证的基座选项;第二是第三方复现——8 至 10 倍的速度优势与三项 SWE-Bench 成绩,需要独立评测来确认。

对行业而言,更值得记住的是路径本身:一家以行业交付见长的公司,用国产算力训出了能进生产流程的基座模型。这比再发一个榜单第一更能说明国产算力生态走到了哪一步。