开源AI新星Cogito v2以机器直觉挑战DeepSeek与Claude

快速阅读: 据《AIbase – AI新闻资讯》称，近日，旧金山初创公司 Deep Cogito 推出 Cogito v2 系列大型语言模型，旨在通过“机器直觉”与自我改进的推理能力，在开源 AI 领域脱颖而出。该系列模型参数规模从 70B 至 671B，已在多个平台开放使用，表现出色且训练成本低廉。

近日，旧金山一家备受关注的初创公司 Deep Cogito 推出了其 Cogito v2 系列大型语言模型（LLM），试图在竞争激烈的开源 AI 赛道中脱颖而出。与传统参数堆叠策略不同，这家由前谷歌工程师创立的公司，专注于“机器直觉”与自我改进的推理能力，开发出能够“边用边学”的 AI 模型。

Cogito v2 系列包括四个模型，参数规模从 70B 到 671B 不等，涵盖密集模型（Dense）和专家混合模型（MoE），现已在 Hugging Face、Together AI 等平台开放使用。旗舰模型 Cogito v2-671B MoE 被誉为“思维效率最优”的推理型 AI，其推理路径比 DeepSeek R1 缩短 60%，性能可与 Qwen1.5-72B 和 Claude4Opus 相媲美甚至超越。

该模型的核心技术在于，不仅在运行时进行“内省式推理”，还能将这些推理路径提炼回模型权重中，形成内化直觉。这一机制使模型能够在每次推理中不断“变得更聪明”。Deep Cogito 发布了多个测试样例验证其“机器直觉”。在数学问题中，Cogito671B 通过短至 100 token 的推理链准确得出结论，而 DeepSeek R1 则需 200+ token。在法律类推理中，Cogito v2 采用两步逻辑结构输出清晰结论，表现优于许多模型及实际法学硕士学生。在经典亲属逻辑题“爱丽丝是查理的祖母吗？”中，Cogito v2 成功避开代词混淆陷阱，准确输出“祖母”。

尽管 Cogito v2 的模型规模庞大，但 Deep Cogito 表示，训练 8 个模型的总成本不到 350 万美元，远低于 OpenAI、Anthropic 等公司动辄上亿美元的研发开销。公司首席执行官 Drishan Arora 强调：“更好的模型不是训练更多数据，而是训练更有意义的数据。”这是 Cogito 模型在推理任务上取得突破的关键。

Cogito v2 模型已可通过 Hugging Face、Baseten、RunPod、Unsloth 等平台下载或 API 调用。为适应轻量化部署需求，Cogito671B 推出了 FP8 量化版本，支持大模型以较低硬件门槛运行，推理效率提升，准确率仅略有下降。此外，Deep Cogito 承诺所有模型开源，并将持续迭代优化，构建以“推理链反馈+自我提升”为核心的新模型训练路径。

目前，Cogito v2 已获得 Benchmark 和 South Park Commons 等知名机构的关注和支持，被视为开源 AI 领域的一匹黑马。

(以上内容均由Ai生成)