聞樂 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

融資10億美元，要在開源上挑戰(zhàn)Deepseek！

前谷歌DeepMind成員、AlphaGo開發(fā)者創(chuàng)立Reflection AI，致力于開發(fā)開源大語言模型。

△圖源Lightspeed Venture Partners

近來中國開源模型勢頭火熱，Qwen系列、Kimi K2等紛紛霸榜，OpenAI也在深夜宣布開源，這家公司的挑戰(zhàn)可不小。

不過兩位創(chuàng)始人倒是雄心壯志地向員工表示：

他們相信有機會將Reflection AI打造為美國領(lǐng)先的開源AI模型供應(yīng)商。

Reflection AI已經(jīng)發(fā)布了他們的首款A(yù)I智能體Asimov，較Claude Code Sonnet 4等模型，得到了用戶更多偏好。

目前，這家僅成立一年的AI初創(chuàng)公司目標(biāo)融資10億美元用于新模型開發(fā)。

實際上，他們將目光投向開源也是受中國強大的開源AI模型的影響。

想成為美國本土的DeepSeek

Reflection AI的兩位創(chuàng)始人Misha Laskin和Ioannis Antonoglou都曾參與AlphaGo以及Gemini系列模型的開發(fā)。

公司的CEO Misha Laskin是Gemini系列的核心研究員。

首席技術(shù)官Ioannis Antonoglou曾在谷歌DeepMind待了將近12年，曾參與AlphaGo的研究。后領(lǐng)導(dǎo)了Gemini的相關(guān)工作。

Reflection AI的團隊均由來自DeepMindOpenAIAnthropic的前工程師和科學(xué)家組成。

近年來，中國開源模型如DeepSeek等的流行，對美國AI行業(yè)也產(chǎn)生了催化作用。

一方面，Meta作為美國重要的開源AI開發(fā)者，因模型表現(xiàn)不佳與DeepSeek對比差距明顯，開始大規(guī)模招聘以改進，甚至考慮開發(fā)封閉大模型。

另一方面，因為開源模型的成本低且靈活性高，可訪問底層數(shù)據(jù)和代碼，便于針對特定業(yè)務(wù)流程微調(diào)，因此企業(yè)對開源模型需求大增。

Reflection AI的目標(biāo)也是美國本土市場。

目前，這家僅成立一年的AI初創(chuàng)公司正在洽談10億美元的融資，雖然本輪估值未知，但此前Reflection AI已獲1.3億美元風(fēng)投，當(dāng)時的估值為5.45億美元。

這些資金將用于新AI模型開發(fā)，其創(chuàng)始人期望借此使公司成為美國領(lǐng)先的開源AI模型供應(yīng)商。

實際上，Reflection AI已經(jīng)發(fā)布了其首個智能體Asimov

Asimov：捕捉碎片化信息，高度可驗證性

Asimov是一款專為代碼理解打造的，它能對代碼倉庫、架構(gòu)文檔、GitHub討論串、對話歷史等多種信息進行索引，從而形成對代碼庫結(jié)構(gòu)、歷史及團隊知識的全面認知。

與其他聚焦代碼生成的AI不同，Asimov設(shè)計重點是閱讀代碼，以解決如何在團隊環(huán)境中讓AI發(fā)揮作用的問題。

Asimov并非單一智能體，而是由幾個小型智能體協(xié)同工作

這些小智能體分別負責(zé)檢索信息，而一個較大的推理智能體將收集到的信息整合，形成對用戶查詢的連貫回答。

并且，它能捕捉那些常未被書面記錄的信息：比如決策背后的原因、系統(tǒng)實際運作方式、過往失敗經(jīng)驗等隱性信息，并將其轉(zhuǎn)化為團隊可共享的資源，就像幫團隊留住了那些容易隨人員變動而流失的關(guān)鍵信息。

每一個由Asimov給出的答案，都附帶確切的引用來源，包括具體文件、討論線程和代碼提交記錄，需要時能快速追溯到原始信息，提高了可驗證性。

該模型在上個月發(fā)布預(yù)覽版后已從企業(yè)獲得了少量的收入。

[1]https://www.theinformation.com/articles/reflection-ai-targets-1-billion-take-meta-deepseek-open-source
[2]https://www.wired.com/story/former-top-google-researchers-have-made-a-new-kind-of-ai-agent/

— 完 —