🎯 情报来源：AI News | VentureBeat
旧金山AI研究初创公司Deep Cogito（由前谷歌工程师创立）近日发布其第二代大语言模型系列Cogito v2，包含70B至671B参数的四款不同架构模型。该系列最大亮点是通过「迭代蒸馏放大」技术使模型具备自主优化推理能力，其中671B参数的MoE版本在多项基准测试中匹配DeepSeek R1等顶尖开源模型，同时将推理链缩短60%，训练总成本控制在350万美元以内。
模型采用混合许可模式，现已在Hugging Face、Unsloth及第三方API平台上线。特别值得注意的是671B模型的FP8量化版本，能在保持95-99%性能前提下大幅降低硬件需求。据内部测试，该系列在数学计算、法律推理等需要多步逻辑判断的任务中展现出显著优势。
💡 核心要点
- 671B MoE旗舰模型：推理性能匹配DeepSeek R1 0528，推理链缩短60%，MMLU/GSM8K测试接近Claude 4 Opus梯队
- 突破性训练方法：通过「迭代蒸馏放大」将模型的中间推理过程反哺权重更新，单轮训练成本仅3.5M美元（对比OpenAI达1亿美元）
- 硬件适配创新：FP8量化版671B模型实现8-bit低精度推理，性能保留率95%-99%
- 多场景验证优势：数学应用题（3小时车程判断）仅用100 tokens完成推理，较对标模型节省50%计算量
- 商业可用性：提供从本地部署（Unsloth）到API调用（Together AI）的全套解决方案
📌 情报分析
技术价值：极高
模型将推理能力编码为「机器直觉」，在GSM8K等复杂任务中实现200→100 tokens的推理链压缩，且量化版保持95%+性能，突破了大模型部署的算力瓶颈。CEO Arora提出的「更优先验＞更多token」方法论已验证有效。商业价值：高
350万美元训练成本仅为行业标杆的3.5%，MoE架构实现推理成本与模型规模的解耦。但作为新兴厂商，企业级生态支持尚不及Anthropic等成熟玩家，需观察API合作伙伴的实际交付能力。趋势预测：高
「推理即训练」范式可能重塑LLM开发流程，Benchmark等顶级风投的押注显示技术路线获认可。若后续能保持当前迭代速度（v1→v2仅14个月），有望在2026年前跻身开源模型第一阵营。