新程Alpha认知模型：4B参数端侧部署，群体智能以小搏大比肩GPT-5.4¶

📊 Level ⭐⭐ | 5.5KB

原文存档：原文存档

Nextie（明日新程）推出行业首个认知模型「新程Alpha」——仅4B参数，端侧可部署，在群体智能任务上效果比肩GPT-5.4等千亿参数模型。核心思路：解耦知识与认知，凝练认知核心，强化泛化和抽象能力。

认知模型范式：知识≠智能¶

卡帕西判断"推理模型要变天"——仅需10亿参数就能构建优秀的认知核心（剥离事实记忆、只保留思考算法）。传统推理模型陷入Scaling困境：参数越大≠越聪明，反而在逻辑陷阱上频频翻车。核心转变：从"拥有知识"到"运用知识"，从"在已有知识中找答案"到"自主思考+跨域泛化"。

技术路线：220年学术论文+RL强化¶

梳理1800-2020年跨越220年的人类学术论文，归纳群体智能演化脉络
提出群体智能五维评估：视角完备性、隐含诉求满足度、辩证深度、落地实操性、决策可解释性
在开源推理模型上做强化学习，解耦知识与认知，训练目标=泛化+抽象
4B参数=黄金尺寸：大到承载思考算法，小到MacBook/具身智能端侧部署

三层范式转移¶

Harness多智能体质量提升：认知模型为Agent提供统一规划推演，多Agent从并行→协同思考
算力成本断崖下降：4B端侧运行，从烧显卡→交电费，日常场景首次经济可行
Proactive场景解锁：7×24低成本运行，Agent从Reactive→不间断自主规划执行

团队：小冰原班人马¶

李笛（CEO）：小冰之父、微软亚洲工程院前常务副院长
曾敏：小冰联合创始人、微软前首席研发总监
王文斓：小冰前大模型与算法负责人、英特尔前架构师
技术传承：小冰链X-CoTA（GPT-3 2%参数实现透明思维链）→ rinna 3.6B击败Llama 65B → 新程Alpha
融资：天使轮创新工场+Atypical Ventures联合领投，奇绩创坛跟投；李开复+陆奇押注

深度分析¶

认知模型 vs 知识型推理模型：架构分叉点¶

新程Alpha的核心创新不在参数规模而在训练范式——用RL在开源推理模型上强化"如何思考"而非"记住什么"。这与Karpathy的"认知核心"论高度吻合：1B参数足以承载推理算法，剩余参数主要承载事实记忆。4B的"黄金尺寸"选择暗示：认知核心≈1B + 少量领域适配≈3B，恰好卡在端侧部署阈值。

群体智能五维评估框架的工程价值¶

五维评估（视角完备性/隐含诉求满足度/辩证深度/落地实操性/决策可解释性）实际上提供了一个Harness多智能体系统的质量门控标准——传统多Agent系统缺乏统一的决策质量度量，导致输出一致性差。这五个维度可以直接映射为Harness的验收条件，是"认知模型+群体智能"落地的关键桥梁。

小参数路线的历史验证¶

3.6B rinna击败65B Llama（20倍参数差）+ 新程Alpha 4B比肩GPT-5.4，两次验证了"小参数+高质量架构"路线的可行性。这呼应了DeepSeek-V4的MoE稀疏架构思路——不是参数越多越好，而是参数用在正确的认知功能上。

Proactive Agent的经济可行性突破¶

Proactive Agent长期受限于推理成本——7×24运行千亿参数模型的Token费用不可承受。4B端侧模型将单次推理成本压到"几格电池"，这是从实验室概念到产品化的关键拐点。具身智能（家庭机器人）是最直接受益场景。