作者 | 杨过
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。
1 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。
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。
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。
2 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”。
“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。
3 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。
4 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。
5 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。
https://phai.phanthy.com/
https://www.modelscope.cn/models/PhaiModelLab/Phai-A1-35B-1M
热门跟贴