算力、算法、数据之外：这家南大系公司，押注智能增长的第四要素

机器之心发布 过去数十年，AI 能力的提升沿着三个方向不断加码：更大的算力、更好的算法、更多的数据。大模型时代尤其如此，更大的集群、更多的参数、海量的语料，造就了一个又一个能力超群的单体模型。 当超级个体足够多时，一个更大的想象空间随之打开。如果让这些模型在被充分了解的前提下，彼此连通、互相协作，会不会迸发出超越任何单个个体的智能？“十五五” 规划纲要在强调算力、算法、数据高效供给的同时，也明确提出 “鼓励多模态、智能体、具身智能、 群体智能 等技术创新”。沿着这个方向看，算力、算法、数据之外的第四要素，或许正是模型本身。 本周，今年刚成立的南大系初创公司 南芥智能（SinapisAI） 发布技术报告《Toward Collective Model Intelligence: Characterizing and Coordinating Models》。这是这家公司技术底座的第一次公开，系统介绍了其围绕海量模型协作构建的技术框架与初步实验结果：面向不断扩大的模型宇宙，为模型建立可量化的能力画像，再由 Mio（Models in One）结合任务需求与资源预算进行模型选择与协作。 在本次九项基准的离线比较中，Mio 1.0 Lite 的平均得分最高、平均每请求费用最低。 报告给出了首份公开评测结果：Mio 1.0 Lite 与多个单体模型、路由方案进行比较， 在九个公开 benchmark 上同时拿下平均分第一（77.15/100）和平均成本最低（每请求 0.06 元） ，在其中五个数据集上取得了最高分数，与分数次高的对手相比，成本减少 73.7%～97.5%。 南芥智能是南京大学人工智能学院的技术孵化企业，联合创始人孙腾中（CEO）、刘建东（CTO）等核心创始成员来自该学院 LAMDA 实验室，多位创始成员师从周志华院士。 10 月 8 日，其产品平台 SinapisAI 刚刚开启公测，已收录 484 个模型。 模型：智能增长的第四要素 模型之所以能成为新的增长要素，源于两个同时发生的变化。其一，模型正在从一次性交付的技术产品，变成可以积累、复用、流通的资源，全球每周都有新模型诞生，即使技术同源，不同开发者训出的模型，也会长出不同的技能树；其二，单体模型继续变强的边际成本越来越高。 海量模型各有所长，其互补与协作所蕴藏的增量，几乎还未被开采。 用报告结论部分的话说，一个模型的价值，取决于它在集体中的角色。一个平均分并不亮眼的专家模型，也可能补上其他模型缺少的能力。 这条路并非凭空而来。2016 年，中国科学院院士、南京大学副校长周志华提出 “学件（Learnware）” 范式，主张模型加规约、入库共享、按需复用。海量模型协作，正是这一范式在大模型时代的延伸。 在报告中，这条思路有一个正式的名称， 模型群体智能（Collective Model Intelligence） 。报告关注能力层面的协同，理解并协调各方独立开发模型的互补能力，以此改善任务效果与资源效率。 这条路也直接回应了 “十五五” 规划的两处部署。一处是鼓励群体智能等技术创新。在这座模型宇宙里，系统设计支持新模型注册、能力刻画和候选池审查，并据此更新可用模型集合，模型得以自由接入、动态退出，为模型能力的组织与按需调用提供基础。另一处是推进算力资源的集约化、绿色化发展。复用已经训练好的模型能力，有望减少部分重复训练与资源投入。 技术内核：看懂模型、选对模型、调得动模型 这套系统由四个技术主体构成，环环相扣。 看懂模型（Model Eval） ：要挑模型，先得懂模型，但对每个模型逐题进行全量评测，成本高昂。Model Eval 结合查询级响应建模与跨领域预测，利用历史评测信息和有限的新增观测，构建模型能力画像。 在覆盖 25 个模型、18 个 benchmark、逾 2.5 万条 query 的查询层实验中，系统估计模型在各 benchmark 上的平均得分，其平均分数估计误差低于 IRT、PSN-IRT 等对比方法。另一项覆盖 35 个模型、32 个领域的实验则单独评估跨领域预测，以已测领域的准确分数为锚点，预测模型在未测领域的表现。 选对模型（Mio） ：它将模型能力证据与当前任务状态结合，先筛出满足接口、模态和预算等约束的候选，再比较预期任务表现，并在表现接近的模型中，选择成本与延迟更合适的方案。 报告提出的候选池维护机制是动态的，随新模型接入、能力证据与服务条件变化持续调整。组池时，它评估方向性替换损失，也就是换掉一个模型之后，看它在具体请求上的独有优势是否有人接班。只有留下的模型在领域覆盖、替换损失和服务兼容性上都接得住，一个模型才会被移出候选池，平均分未必突出、却能补足短板的专家模型因此被保留下来。 调得动模型（Mos） ：选定模型之后，还有一个常被忽视的问题：相同型号的模型常有多个来源，不同服务商的端点在价格、限流、排队时延、生成速度和可用性上差异巨大，且随时会发生变化。 模型服务系统 Mos 综合端点健康、可用容量、费用与预计延迟，为已选模型安排执行来源，并在失败类型与响应进度允许时，进行有条件的重试和同模型端点切换。配套的模型分发网络在预热共享缓存下，将模型文件读取速度最高提升 23.3 倍（不含缓存预热、参数传入 GPU 与推理环节），提高了自管理部署中的模型文件分发效率。 装下这一切（Model Space） ：底层的模型仓库为每个模型建立版本化身份，让 484 个模型可以被动态地接入、更新与退出，能力画像随版本刷新。 模型群体智能架构设计 实战检验：平均分第一，成本最低 根据报告，Mio 1.0 Lite 与 8 个国内外顶级模型以及 4 个路由服务在 9 个公开 benchmark 上同场竞技，成绩亮眼：Mio 九项平均分 77.15/100，全场最高；平均每请求成本 0.06 元，全场最低。对比分数最高的对手 GPT 6.1 Sol ，高 6.35 分，成本低 94.0%；对比成本最低的对手 Qwen 3.8 Flash ，高 14.00 分，成本更低 16.4%。具体表现如下： AutomationBench（Agent 执行）：53.83%，全场第一，比第二名 Jev Router 高 4.00 个百分点； BFCL V3 Base Multi-Turn（函数调用）：77.50%，全场第一，比第二名 Opus 5.5 高 11.50 个百分点，成本仅为后者的 2.7%； GPQA Diamond（科学推理）：95.96%，全场第一，比第二名 Kimi K3 高 2.46 个百分点； Humanity’s Last Exam（无工具推理）：53.38%，第二名，与第一名 Opus 5.5 相差 7.97 个百分点，成本低 97.5%； AA-OmniScience（事实知识）：64.67%，第二名，与第一名 GPT 6.1 Sol 相差 0.67 个百分点，成本低 85.3%； PinchBench（Agent 执行）：96.27%，全场第一，比第二名 GLM 5.3 高 0.23 个百分点； QwenClawBench（Agent 执行）：69.38%，第二名，与第一名 Qwen 3.8 Max