Sapient押注小模型在推理上胜过LLM；开源HRM收获11.4K星标

Sapient Intelligence构建受大脑启发的AI架构，从层级推理模型（HRM）开始——这是一个双模块循环系统（慢速规划器加快速执行器），针对LLM失效的复杂、确定性推理任务，应用于机器人、物流、医疗和气候预测。

受大脑启发的层级推理——慢速规划器加快速执行器——能以2700万参数和1000个示例胜过扩展的Transformer。

2200万美元种子轮，估值2亿美元，由Vertex Ventures、住友集团和JAFCO领投（2024年12月宣布）。

2024年由Guan Wang和Austin Zheng在新加坡创立，Sapient Intelligence旨在挑战更好的AI意味着更大模型的假设。团队认为自回归Transformer LLM在长视野、多步推理上较弱，并转向神经科学：大脑在不同时间尺度的区域间分层组织计算（VentureBeat；Digit）。

2024年12月，这家初创公司宣布了由Vertex Ventures、住友集团和JAFCO领投的2200万美元种子轮，估值2亿美元（Digit）。2025年中发布了HRM：两个耦合的循环模块——一个慢速的高层规划器和一个快速的低层执行器——实现“层级收敛”，使用2700万参数，每个任务约1000个示例。VentureBeat报道了ARC-AGI得分40.3%（对比o3-mini-high的34.5%），在Sudoku-Extreme和Maze-Hard上接近完美（思维链模型得分为0%），并声称任务完成速度提升约100倍。代码于2025年8月在GitHub上发布，成为ROSS Index Q4 2025条目：11.4K星标，增长11.4倍，截至2025年10月24日。

自回归LLM在长视野多步推理上较弱，所以Sapient针对了一个真正的缺口，而不是在语言任务上正面竞争。

一个2700万参数、1000个训练示例的模型是一个可证伪、可复现的主张——开源将基准结果转化为社区信任和GitHub星标。

2亿美元的种子估值取决于架构而非产品：投资者押注受大脑启发的层级计算能成为通用推理层，而不是又一场模型竞赛。

通过瞄准确定性、延迟敏感的领域（机器人、物流、诊断），Sapient选择了“更聪明、更小、更快”具有明确经济价值的问题。

Sapient的楔子就是证据：一个在困难基准上胜过巨头的小型、开放、可复现的模型比任何论文都更有说服力——GitHub星标作为信誉引擎。

截至2026年9月2日，Sapient Intelligence处于活跃状态，种子资金已到账：HRM仍在GitHub上开源（2025年10月底11.4K星标，ROSS Index Q4 2025），公司表示正将HRM从专业问题解决器发展为更通用的推理模块，并已在医疗、气候预测和机器人领域开展早期工作——包括报道中季节性气候预测的97%准确率（Korben, 2025年8月27日）。