Ibinabahagi ng Sapient ang HRM-Text Model nang libre at may gastos sa pagsasanay na $1,500

iconCryptoBriefing
I-share
AI summary iconSummary
Sapient Intelligence, isang kumpanya sa pag-aaral ng AGI na nakabase sa Singapore, ay nag-open-source ng kanilang HRM-Text model na may hierarchical reasoning architecture. Ang model na may 1-bilyong parameter ay tinuruan sa 40 bilyong tokens sa halagang $1,000 hanggang $1,500 gamit ang modeste na hardware. Magagamit sa ilalim ng Apache 2.0 sa Hugging Face at GitHub, nakuha nito ang 56.2% sa MATH at 82.2% sa DROP sa mga pagsusuri noong Abril 2026. Ang on-chain data ay nagpapakita ng paglago sa open interest sa AI-driven na mga kasangkapan tulad nito.

Isang kumpanya sa pag-aaral ng AGI na base sa Singapore na tinatawag na Sapient Intelligence ay naglabas ng buong weights, pretraining code, at data pipeline para sa HRM-Text, isang language model na binuo sa pamamagitan ng isang arkitekturang tinatawag na Hierarchical Reasoning Model. Ang buong package ay available sa ilalim ng Apache 2.0 license sa Hugging Face at GitHub, na nangangahulugan na makakagamit, makapag-modify, o makabuo ng komersyal na produkto batay dito ang sinumang tao.

Ang nakakatangi ay hindi lang ang pagiging open-source. Ito ang ekonomiks. Ang HRM-Text, na may halos 1 bilyong parameter, ay pre-trained sa halos 40 bilyong token at nagkakahalaga ng humigit-kumulang $1,000 hanggang $1,500 sa karaniwang hardware. Para sa konteksto, ang mga frontier model mula sa mga pangunahing laboratorio ay karaniwang tinuturuan sa trilyon ng token gamit ang mga budget para sa compute na umaabot sa mga tens o hundreds ng milyon dolyar.

Pagsasadya

Paano ito talaga gumagana

Gumagamit ang modelo ng isang hierarchical latent recurrent architecture na inilalarawan ng kumpanya. Ang high-level module ay nagtatrabaho sa mabagal, abstraktong pag-iisip, na gumagalaw sa 2 “H-cycles” bawat pass. Ang low-level module ay nagtatrabaho sa mabilis, detalyadong pagproseso, na nagpapatakbo ng 3 hanggang 6 “L-cycles” bawat pass. Kasama ng mga module na ito, ang modelo ay nakakapag-itera sa sariling pag-iisip nang maraming beses bago maglabas ng output, habang nananatiling fixed ang bilang ng mga parameter.

Hindi naglalabas ng mga visible na token ng chain-of-thought na nagkakahalaga ng context window at inference costs, ang HRM-Text ay nagpapagana ang kanyang iteratibong pag-iisip sa loob. Ang pagrereason nang nangyayari sa hidden states ng model, hindi sa output text.

Benchmark na performance na nagpapalakas

Ang mga independiyenteng pagtataya na ginawa noong Abril 2026 ay nagpapakita ng kuwento sa mga numero. Ang HRM-Text ay nakakuha ng 56.2% sa MATH benchmark, 82.2% sa DROP, 81.9% sa ARC-Challenge, at 60.7% sa MMLU. Ang pretraining ay ipinahayag na natapos sa paligid ng isang araw.

Binubuo ng HRM-Text ang nakaraang gawa ni Sapient. Ang orihinal na HRM model, na open-source noong Hulyo 2025, ay mayroon lamang 27 milyong parameter at nagpakita ng malakas na pagganap sa mga kumplikadong gawain sa pag-iisip na may kahit anong 1,000 halimbawang pagtuturo. Ang HRM-Text ay isang pagtaas ng halos 37x sa bilang ng parameter habang pinapanatili ang parehong pilosopiya sa arkitektura.

Ang Sapient ay nagtatag ng Discord channel para sa mga developer na interesado sa pag-aaral ng arkitektura. Ang Apache 2.0 license ay nagtatanggal ng legal na hadlang. Ang $1,500 na gastos sa pagsasanay ay nagtatanggal ng karamihan sa financial na hadlang.

Disclaimer: Ang information sa page na ito ay maaaring nakuha mula sa mga third party at hindi necessary na nagre-reflect sa mga pananaw o opinyon ng KuCoin. Ibinigay ang content na ito para sa mga pangkalahatang informational purpose lang, nang walang anumang representation o warranty ng anumang uri, at hindi rin ito dapat ipakahulugan bilang financial o investment advice. Hindi mananagot ang KuCoin para sa anumang error o omission, o para sa anumang outcome na magreresulta mula sa paggamit ng information na ito. Maaaring maging risky ang mga investment sa mga digital asset. Pakisuri nang maigi ang mga risk ng isang produkto at ang risk tolerance mo batay sa iyong sariling kalagayang pinansyal. Para sa higit pang information, mag-refer sa aming Terms ng Paggamit at Disclosure ng Risk.