@alacheng：海外前沿小型 AI 实验室 Paper Instruments，团队规模很小，主要专注于……的后训练
摘要
文章介绍了海外小型AI实验室Paper Instruments（YC S25批次，融资约400万美元），其专注于大模型后训练与非可验证领域的智能体强化学习，发布了基于GLM-5.3 Flash后训练的Ultramarine 1 Flash模型，宣称在知识工作任务上接近Claude Fable 5的性能，但成本仅约为其六十分之一，后训练总成本约30万美元，采用开源加推理API的商业模式。
查看缓存全文
缓存时间: 2026/10/16 10:39
海外前沿小型 AI 实验室 Paper Instruments，团队规模很小，主要专注于大模型的后训练
-他们的生存空间在于垂直领域——知识工作（例如撰写专业报告、构建财务模型、起草法律文件、制作咨询交付成果等） -商业模式上，他们采用开源 + 推理 API 服务的模式 -技术特点：强调在不可验证领域开展智能体强化学习（agentic RL） -融资规模相对较小，为 400 万美元，是 Y Combinator 较早期的项目之一（Y Combinator 2025 年春季 S25 批次公司）
2026 年 10 月 14 日发布了 Ultramarine 1 Flash（基于 GLM-5.3 Flash 进行后训练）。声称在知识工作任务上的表现接近 Claude Fable 5，成本则约为其六十分之一；后训练总成本约为 30 万美元。这类经过后训练的小模型，不仅存在于前面提到的 Coinbase 等规模化公司的内部，也存在于外部服务市场——这意味着，一些后训练团队能够打造出性能接近顶尖前沿实验室模型、成本却更低的模型，并提供开源和基于 API 的商业模式，确实开辟了自己的生存空间。
其 CEO 的 X 账号：Daanish Khazi @bertgodel
关于：详细介绍他们在不可验证领域开展的强化学习研究
相似文章
@0xcherry: https://x.com/0xcherry/status/2067610347633025281
本文分析智谱GLM-5.2性能飞跃的原因，认为其40B激活参数在扣除固定开销后提供更大有效容量，使RL后训练更有效；同时回顾中国AI模型发展史，指出大模型路线最终获胜。
@dair_ai: 来自 Meta Superintelligence Labs 的重磅论文。他们发现了一个非常有趣且出乎意料的现象。（收藏起来）基础模型……
Meta Superintelligence Labs 发现，RL 后训练会收窄 LLM 智能体的解题覆盖范围（即「锐化税」）：在采样次数充足时，轻量框架下的基础模型能解决更多不同的智能体任务，而后训练模型在 pass@1 上表现更优。作者提出 PTGS——一种自适应温度的 RL 方法，在降低这一税负的同时还提升了 pass@1。
@DeRonin_: 我目前的本机AI配置：- 2x DGX Spark 链接 (256gb) > GLM 5.2 @ 2bit, 推理 + 代理循环 - Mac Studio M3 Ultr…
一位用户描述了他们完全本地的AI堆栈，使用多个硬件设备运行GLM、Qwen和Kimi等中国模型，声称相比GPT-5.5和Opus 4.8等前沿模型节省了87%的成本，同时提到了自托管视频生成的计划。
@yoheinakajima：令人印象深刻！
Ultramarine 1 Flash 作为面向知识工作的开源前沿级模型发布，宣称性能可与 Fable 5 相媲美，成本却低 60 倍，由 5 人团队以约 30 万美元的成本完成后期训练。模型权重预计将很快发布，API 访问现已可用。
@nini_incrypto_: Hugging Face 把 AI 训练全流程都自动化了啦！ 最近有个叫 ml-intern 的项目在 GitHub 爆火，它就像一个 24 小时待命的算法实习生，能独立完成大模型的后训练（Post-training） 1.自主调研：它会…
Hugging Face 推出的 ml-intern 项目在 GitHub 上爆火，能够自主完成论文调研、数据处理、训练脚本编写和模型训练的全流程自动化，无需人工干预即可将小模型（如 Qwen3-1.7B）的性能大幅提升，甚至超越 Claude Code。