清華00後校友王冠再出新作：用1/900 token、1/432算力，顛覆Transformer預訓練模型
模型背景與創新點
開發者是那位拒絕了馬斯克、還要挑戰Transformer的00後清華校友，Sapient Intelligence的創始人王冠。他推出的27M小模型，是Sapient最新提出的開源可復現的分層推理模型（Hierarchical Reasoning Model, HRM），僅使用1000個訓練樣本，無需預訓練，也無需CoT數據，顯著降低了大模型的訓練門檻。
技術特點與優勢
- 模型參數量僅約2700萬，遠低於主流大模型。
- 採用分層推理架構，模擬類腦思維過程，提升推理能力。
- 訓練過程無需大規模預訓練或複雜數據集，僅需少量樣本即可實現高性能。
- 模型在多個任務上表現超越了o3-mini等現有小模型。
行業影響與觀點
王冠指出，當前大模型更像是在“背題”，其處理能力停留在系統1.5階段，類似人做夢的狀態。他的新模型試圖突破這一瓶頸，通過分層推理機制實現更高效、更真實的智能行為。
該模型的發佈與開源，為AI領域提供了低成本、高可復現的實驗路徑，有望推動更多研究者與開發者進入大模型領域。