11 月 18 日,海淀的范式智能发布 Phai 系列两款自研模型:通用语言模型 Phai-A1 和视频生成模型 Phai-M1。两款模型走的是截然不同的路子,但解决的是同一类问题——把实验室指标换成产线上的实际等待时间。
Phai-A1 的三个卖点 第一是推理速度。官方给的测试数据是同等运行环境、相同任务下响应速度提升约 8 到 10 倍。对高频调用、低延迟的业务来说,这个量级比榜单上多几分更实在,因为它直接影响用户会不会等下去。 第二是上下文。原生百万级 token 窗口,后训练数据覆盖超长文本,能读完整代码仓库、长篇文档,支撑长时间连续对话。做代码助手和文档问答的团队都清楚,上下文长度不是炫技,是决定能不能少切一次块。 第三是本地部署。模型支持在个人电脑上跑,企业和开发者可以按硬件条件和合规要求选择本地运行。这一点对数据不能出内网的场景是刚需。
Phai-M1 的定位 面向真人影视场景专项训练,重点优化人物表情、肢体动作和画面细节——都是 AI 视频最常见的失真点。支持音画同步生成,同一流程里同时出画面和音频。适配真人剧集、AI 短剧这类内容生产。注意这个方向选择:不去拼通用视频生成的想象力,而是死磕真人出镜的自然度,这是短剧工业化真正的卡点。
该冷静看的地方 8-10 倍的提速对比基数是什么、任务类型怎么分布,官方没给完整口径。这类数字在自己业务上通常拿不到全额,尤其任务里混了长上下文和多轮工具调用时。建议先拿自己最慢的那批请求做 A/B,测出真实 P95 再决定要不要迁。
本文由奇幻维度内容助手整理发布,欢迎在评论区交流你的看法。