Sapient 押注小型模型在推理上勝過 LLM；開源 HRM 累積 11.4K 顆星

Sapient Intelligence 打造受大腦啟發的 AI 架構，起點是階層式推理模型（Hierarchical Reasoning Model，HRM）——一套雙模組循環系統（慢速規劃器加上快速執行器），鎖定 LLM 表現不佳的複雜、確定性推理任務，企業應用涵蓋機器人、物流、醫療保健與氣候預測。

押注受大腦啟發的階層式推理——慢速規劃器加上快速執行器——能在 2,700 萬參數與 1,000 個範例的條件下勝過規模化擴展的 transformer。

2,200 萬美元種子輪，估值 2 億美元，由 Vertex Ventures、Sumitomo Group 與 JAFCO 領投（2024 年 12 月宣布）。

Sapient Intelligence 於 2024 年在新加坡由 Guan Wang 與 Austin Zheng 創立，旨在挑戰「更好的 AI 就等於更大的模型」這項假設。團隊主張，自迴歸 transformer LLM 在長跨度、多步驟推理上表現薄弱，因而轉向神經科學：大腦以階層方式組織運算，各區域在不同時間尺度上運作（VentureBeat；Digit）。

2024 年 12 月，這家新創公司宣布由 Vertex Ventures、Sumitomo Group 與 JAFCO 領投的 2,200 萬美元種子輪，估值 2 億美元（Digit）。2025 年中，該公司發表 HRM：兩個耦合的循環模組——慢速高階規劃器與快速低階執行器——實現「階層式收斂」，以 2,700 萬參數、每項任務約 1,000 個範例訓練而成。VentureBeat 報導其 ARC-AGI 得分為 40.3%（相較 o3-mini-high 的 34.5%），在 Sudoku-Extreme 與 Maze-Hard 上接近完美（思維鏈模型在該兩項得分為 0%），並宣稱任務完成速度提升約 100 倍。程式碼於 2025 年 8 月在 GitHub 發布，並成為 ROSS Index 2025 年第四季入選項目：截至 2025-10-24，累積 11.4K 顆星、成長 11.4 倍。

自迴歸 LLM 在長跨度多步驟推理上表現薄弱，因此 Sapient 鎖定的是真實缺口，而非在語言任務上正面競爭。

一個 2,700 萬參數、以 1,000 個訓練範例訓練的模型，是可證偽、可重現的主張——將其開源，把基準測試結果轉化為社群信任與 GitHub 星數。

2 億美元的種子輪估值建立在架構而非產品之上：投資人押注受大腦啟發的階層式運算能成為通用推理層，而非另一場模型競賽。

透過鎖定確定性、對延遲敏感的領域（機器人、物流、診斷），Sapient 選擇了「更聰明、更小、更快」具有明確經濟價值的問題。

Sapient 的切入點是證據：一個小型、開放、可重現的模型在困難基準上勝過巨頭，比任何論文都更有說服力——GitHub 星數就是可信度的引擎。

截至 2026 年 9 月 2 日，Sapient Intelligence 仍在營運，並已完成種子輪募資：HRM 仍在 GitHub 上開源（截至 2025 年 10 月下旬累積 11.4K 顆星，入選 ROSS Index 2025 年第四季），該公司表示正將 HRM 從專門的問題求解器演化為更通用的推理模組，並已在醫療保健、氣候預測與機器人領域展開早期工作——其中包括據報導在季節性氣候預測上達到 97% 準確率（Korben，2025-08-27）。