一家名为 Deep Cogito 的新公司近期揭开面纱，推出了一系列可以在"推理"和非推理模式之间切换的开放 AI 模型。
像 OpenAI 的 o1 这样的推理模型在数学和物理等领域展现出巨大潜力，这要归功于它们能够通过逐步解决复杂问题来进行自我验证的能力。然而，这种推理能力是有代价的：更高的计算成本和延迟。这就是为什么像 Anthropic 这样的实验室正在追求"混合"模型架构，将推理组件与标准的非推理元素相结合。混合模型可以快速回答简单问题，同时在处理更具挑战性的问题时投入更多时间思考。
Deep Cogito 的所有模型（称为 Cogito 1）都是混合模型。该公司声称，这些模型的性能优于同等规模的最佳开放模型，包括来自 Meta 和中国 AI 初创公司 DeepSeek 的模型。
该公司在博客文章中解释道："每个模型都可以直接回答问题，或在回答前进行自我反思（类似推理模型）。所有这些都是由一个小团队在大约 75 天内开发完成的。"
Cogito 1 模型的参数规模从 30 亿到 700 亿不等，该公司表示，在未来几周和几个月内，将会推出参数规模达到 6710 亿的模型。参数数量大致对应于模型的问题解决能力，通常参数越多越好。
需要说明的是，Cogito 1 并非从零开始开发。Deep Cogito 是在 Meta 的开源 Llama 和阿里巴巴的 Qwen 模型基础上构建的。该公司表示，他们应用了新颖的训练方法来提升基础模型的性能，并实现可切换的推理能力。
根据 Cogito 的内部基准测试结果，最大的 Cogito 1 模型——启用推理功能的 Cogito 70B，在某些数学和语言评估中的表现优于 DeepSeek 的 R1 推理模型。在禁用推理功能的情况下，Cogito 70B 在通用 AI 测试 LiveBench 上的表现也超过了 Meta 最近发布的 Llama 4 Scout 模型。
所有 Cogito 1 模型都可以通过 Fireworks AI 和 Together AI 这两家云服务提供商的 API 下载或使用。
"目前，我们仍处于扩展曲线的早期阶段，仅使用了传统大语言模型后期/持续训练所需计算资源的一小部分，"Cogito 在其博客文章中写道。"展望未来，我们正在研究互补的后期训练方法来实现自我提升。"
根据加利福尼亚州的文件显示，总部位于旧金山的 Deep Cogito 成立于 2024 年 6 月。该公司的 LinkedIn 页面列出了两位联合创始人：Drishan Arora 和 Dhruv Malhotra。Malhotra 此前是 Google AI 实验室 DeepMind 的产品经理，负责生成式搜索技术。Arora 曾是 Google 的高级软件工程师。
根据 PitchBook 的信息，Deep Cogito 的投资方包括 South Park Commons，该公司雄心勃勃地致力于构建"通用超级智能"。公司创始人将这个术语理解为能够比大多数人更好地完成任务，并"发现我们尚未想象到的全新能力"的 AI。
