文章核心观点 - AI能力提升长期依赖更大算力、更好算法、更多数据，大模型时代造就了能力超群的单体模型，但当超级个体足够多时，让模型彼此连通、互相协作，可能迸发超越任何单个个体的智能 [1] - “十五五”规划纲要明确提出“鼓励多模态、智能体、具身智能、群体智能等技术创新”，算力、算法、数据之外的第四要素或许正是模型本身 [1] - 南芥智能发布技术报告《Toward Collective Model Intelligence: Characterizing and Coordinating Models》，系统介绍围绕海量模型协作构建的技术框架与初步实验结果，为模型建立可量化能力画像，再由Mio结合任务需求与资源预算进行模型选择与协作 [1] - 模型成为新增长要素源于两个变化：模型从一次性交付的技术产品变成可积累、复用、流通的资源；单体模型继续变强的边际成本越来越高，海量模型互补与协作的增量几乎还未被开采 [5] - 一个模型的价值取决于它在集体中的角色，平均分并不亮眼的专家模型也可能补上其他模型缺少的能力 [6] - 2016年周志华院士提出“学件（Learnware）”范式，主张模型加规约、入库共享、按需复用，海量模型协作正是该范式在大模型时代的延伸，报告中正式名称为“模型群体智能（Collective Model Intelligence）” [7] - 报告关注能力层面的协同，理解并协调各方独立开发模型的互补能力，以此改善任务效果与资源效率 [7] - 系统设计支持新模型注册、能力刻画和候选池审查，并据此更新可用模型集合，模型得以自由接入、动态退出 [7] - 复用已经训练好的模型能力，有望减少部分重复训练与资源投入 [7] - 当单个模型的能力增长边际递减，组织已有模型的能力本身就是一条崭新的进步曲线 [19] 公司与产品概况 - 南芥智能（SinapisAI）是今年刚成立的南大系初创公司，为南京大学人工智能学院的技术孵化企业 [1][3] - 联合创始人孙腾中（CEO）、刘建东（CTO）等核心创始成员来自南京大学人工智能学院LAMDA实验室，多位创始成员师从周志华院士 [3] - 10月8日产品平台SinapisAI开启公测，已收录484个模型 [3] - 公司已完成由南京市创新投资集团、鼎信资本等机构参与的近亿元首轮融资 [18] - 公司不自研通用大模型、不与模型厂商竞争，这种中立性本身就是稀缺的资产 [18] - CEO孙腾中类比：“电力改变世界的关键，不仅在于造出更大的发电设施，更在于建成电网，让每一度电都能被安全、高效地送到需要它的地方，智能亦是如此。我们不生产模型，我们要做的是模型时代的电网，让每一种模型能力都被看见、被调度，送到最需要它的任务上” [19] 技术内核：看懂模型、选对模型、调得动模型 - 系统由四个技术主体构成，环环相扣 [9] - 看懂模型（Model Eval）：结合查询级响应建模与跨领域预测，利用历史评测信息和有限的新增观测，构建模型能力画像 [9] - 在覆盖25个模型、18个benchmark、逾2.5万条query的查询层实验中，系统估计模型在各benchmark上的平均得分，其平均分数估计误差低于IRT、PSN-IRT等对比方法 [9] - 另一项覆盖35个模型、32个领域的实验单独评估跨领域预测，以已测领域的准确分数为锚点，预测模型在未测领域的表现 [9] - 选对模型（Mio）：将模型能力证据与当前任务状态结合，先筛出满足接口、模态和预算等约束的候选，再比较预期任务表现，并在表现接近的模型中选择成本与延迟更合适的方案 [9] - 候选池维护机制是动态的，随新模型接入、能力证据与服务条件变化持续调整 [10] - 组池时评估方向性替换损失，即换掉一个模型之后，看它在具体请求上的独有优势是否有人接班 [10] - 只有留下的模型在领域覆盖、替换损失和服务兼容性上都接得住，一个模型才会被移出候选池，平均分未必突出却能补足短板的专家模型因此被保留下来 [10] - 调得动模型（Mos）：相同型号的模型常有多个来源，不同服务商的端点在价格、限流、排队时延、生成速度和可用性上差异巨大且随时会发生变化 [10] - 模型服务系统Mos综合端点健康、可用容量、费用与预计延迟，为已选模型安排执行来源，并在失败类型与响应进度允许时进行有条件的重试和同模型端点切换 [10] - 配套的模型分发网络在预热共享缓存下，将模型文件读取速度最高提升23.3倍（不含缓存预热、参数传入GPU与推理环节），提高了自管理部署中的模型文件分发效率 [10] - 装下这一切（Model Space）：底层的模型仓库为每个模型建立版本化身份，让484个模型可以被动态地接入、更新与退出，能力画像随版本刷新 [11] 实战检验：平均分第一，成本最低 - Mio 1.0 Lite与8个国内外顶级模型以及4个路由服务在9个公开benchmark上同场竞技 [14] - Mio九项平均分77.15/100，全场最高；平均每请求成本0.06元，全场最低 [3][14] - 对比分数最高的对手GPT 6.1 Sol，高6.35分，成本低94.0% [14] - 对比成本最低的对手Qwen 3.8 Flash，高14.00分，成本更低16.4% [14] - 在其中五个数据集上取得最高分数，与分数次高的对手相比，成本减少73.7%～97.5% [3] - 报告标注边界：在HLE等高难度任务上，不计成本的旗舰模型仍有质量优势，Mio的定位是寻求更好的质量、成本与覆盖均衡 [14] - 团队构建了RobustRouteBench鲁棒性基准，在通用文本、多模态和中文三类场景的18,982条最终测试请求上，离线评估Mio请求级选择器在固定模型池中的选择鲁棒性，并避免开发集同源请求进入最终测试 [14] 九项基准具体表现 - AutomationBench（Agent执行）：53.83%，全场第一，比第二名Jev Router高4.00个百分点 [15] - BFCL V3 Base Multi-Turn（函数调用）：77.50%，全场第一，比第二名Opus 5.5高11.50个百分点，成本仅为后者的2.7% [15] - GPQA Diamond（科学推理）：95.96%，全场第一，比第二名Kimi K3高2.46个百分点 [15] - Humanity's Last Exam（无工具推理）：53.38%，第二名，与第一名Opus 5.5相差7.97个百分点，成本低97.5% [15] - AA-OmniScience（事实知识）：64.67%，第二名，与第一名GPT 6.1 Sol相差0.67个百分点，成本低85.3% [15] - PinchBench（Agent执行）：96.27%，全场第一，比第二名GLM 5.3高0.23个百分点 [15] - QwenClawBench（Agent执行）：69.38%，第二名，与第一名Qwen 3.8 Max相差0.43个百分点，成本低95.1% [15] - IFBench（指令遵循）：92.00%，全场第一，比第二名Qwen 3.8 Max高9.20个百分点，成本低91.6% [15] - MT-Bench（多轮对话）：9.138/10，第三名，与第一名GPT 6.1 Sol相差0.223分，成本低89.7% [15] 商业逻辑与行业定位 - 过去几个月，Stripe宣布同意收购AI模型网关和路由平台OpenRouter，英伟达宣布以129亿美元收购开放模型开发者社区Hugging Face [18] - 一边是模型与应用之间的路由入口，一边是最大的模型仓库，资本已经开始为连接供给与需求的“卖水人”单独定价 [18] - 这层生意拆开看是三个递进环节：仓库解决被发现，路由解决被选择，协作解决被组合 [18] - 南芥智能的布局正与此对应：模型广场提供模型发现入口，Mio承接按任务的模型选择与协作，底层系统则提供能力刻画和执行支持 [18] 未来展望 - 报告明确指出，系统集成的整体收益以及“集体智能随经验持续进化”的愿景仍待进一步验证 [19] - 按照报告设想，进化路径是递归式的，系统用集体的能力诊断自身弱点、修正自身机制、再验证改动，目标是让每一轮循环同时改善任务表现与系统的自我改进能力 [19] - 这不是终结Scaling Law的故事，而是一个更朴素的判断：当单个模型的能力增长边际递减，组织已有模型的能力本身就是一条崭新的进步曲线 [19] - 模型宇宙还在膨胀，算力、算法、数据之后，模型究竟能不能成为智能增长的第四要素，这座宇宙里最先回答这个问题的人也可能最先兑现它的红利 [20] - 南芥智能的产品平台SinapisAI现已开启公测，访问https://sinapis.ai即可体验 [20] - 技术报告全文可在https://github.com/SinapisAI/collective-model-intelligence查看 [20]