范式双模型亮相:3090也能跑

范式发布Phai-A1语言模型与Phai-M1视频模型,前者以35B MoE、百万Token上下文和单张RTX 3090部署为卖点,后训练全程运行在华为昇腾平台。
11月19日,范式智能正式把自研模型推到台前,一次发布通用语言模型Phai-A1和有声视频生成模型Phai-M1。前者瞄准代码开发与Agent任务,后者面向真人影视和AI短剧生产;两款模型都强调消费级显卡部署,以及针对华为昇腾平台完成的后训练优化。
这次发布最值得关注的不是范式又多了两个产品入口,而是它选择了一条相当明确的路线:不追逐万亿参数,也不把“更聪明”当成唯一指标,而是试图用35B级MoE模型、国产训练算力和本地部署,把模型真正塞进企业的软件开发与内容生产流程。

Phai-A1是什么:一个面向代码与Agent的35B MoE模型
Phai-A1是范式推出的代码与Agent专用语言模型,采用35B总参数的混合专家架构,并原生支持最高100万Token上下文。
目前公开的完整型号为Phai-A1-35B-1M。根据其Hugging Face模型卡,它并不是从零开始预训练的新架构,而是建立在Qwen3.6-35B-A3B之上,进一步针对代码生成、代码修复、工具调用、多步推理和长程任务规划进行了大规模后训练。(huggingface.co)
混合专家模型(MoE)是一种每次推理只激活部分专家参数的架构。 Phai-A1拥有35B总参数,但底座型号中的“A3B”意味着每个Token只需调用约3B规模的专家参数参与计算,因此计算量远低于同规模的稠密模型。不过,未被激活的专家权重通常仍需要存放在显存或内存中,所以“激活参数少”并不等于模型权重只占3B参数的空间。
Phai-A1的后训练包含两个主要阶段:监督微调SFT和强化学习RL。模型卡显示,其RL训练主要采用GRPO算法,并搭建了4000个真实沙盒环境,让模型通过代码执行、单元测试和工具交互获得反馈,而不是只根据人工偏好判断一段回答“看起来是否正确”。(huggingface.co)
这套训练方法对编程Agent尤其重要。普通聊天模型可以靠流畅措辞掩盖错误,但代码Agent最终要面对编译器、测试用例和真实工具:文件有没有改对、命令能不能运行、Bug是否真正修复,都有相对明确的结果。4000个沙盒环境的价值,正是把训练目标从“生成像代码的文本”推进到“完成可验证的软件工程任务”。
国产算力训练,需要说得更准确
Phai-A1的国产算力训练,是指SFT与RL等后训练流程全部在华为昇腾NPU上完成,而不是从随机参数开始完成全部预训练。
范式在发布信息中强调Phai系列完成了面向昇腾平台的全流程优化,并获得ModelHub XC社区支持。不过,公开模型卡明确写明,Phai-A1的底座是Qwen3.6-35B-A3B,“后训练全流程”运行在华为昇腾卡上。因此,从技术口径看,将其称为“国产算力完成全链路后训练”比“从零训练国产基座模型”更严谨。(huggingface.co)
这个区别并不是文字游戏。预训练负责让模型学习海量语言、代码和世界知识,通常消耗绝大部分算力;后训练则决定模型是否擅长遵循指令、使用工具、修复代码以及执行复杂任务。Phai-A1验证的是昇腾平台已经能够支撑长上下文SFT、代码执行反馈和大规模强化学习等关键环节,但它还不能单独证明整个35B底座的预训练完全脱离了其他算力体系。
即便如此,强化学习能够稳定跑在国产加速器上依然有实际价值。Agent训练并非单纯的矩阵乘法,它还涉及大量并发采样、沙盒调度、模型更新和跨节点通信。相比一次性跑完的离线训练,执行环境中的异常、超时和吞吐波动更容易放大软硬件适配问题。
范式过去积累的HAMi也解释了它为什么强调“算力、模型和应用协同”。HAMi是一个面向Kubernetes的异构AI算力虚拟化与调度项目,可以让多个工作负载共享GPU或NPU,并按显存、核心等维度分配资源。 其开源仓库已经支持英伟达GPU、昇腾设备及多种异构加速器,这类基础设施能力可以直接服务模型训练、评测与企业私有化部署。(github.com)
单张RTX 3090运行,成立但有前提
“单张RTX 3090可以运行”意味着Phai-A1能够经过量化后装入24GB显存,并不意味着原始BF16权重可以直接完整加载。
RTX 3090发布于2020年,拥有24GB GDDR6X显存。它不是新卡,但24GB容量让它长期活跃在本地大模型社区:相比12GB或16GB显卡,它能容纳更大模型;相比专业计算卡,它的二手成本又低得多。
问题在于,Phai-A1官方Hugging Face仓库的BF16文件总大小约为70.2GB,显然超过单张RTX 3090的24GB显存。按最简单的容量估算,35B参数若压缩到4bit,纯权重大约需要17.5GB,再加上量化元数据、运行时缓冲区和KV Cache,才有可能勉强放入24GB。(huggingface.co)
| 部署形式 | 理论权重空间 | RTX 3090可行性 | 主要限制 | |---|---:|---|---| | BF16原始权重 | 约70GB | 不可直接完整加载 | 至少需要多卡或CPU卸载 | | INT8量化 | 约35GB以上 | 通常仍无法完全放入 | 需要分层卸载或多卡 | | INT4量化 | 约17.5GB起 | 有机会单卡运行 | 留给KV Cache的显存有限 | | INT4加超长上下文 | 随上下文增长 | 百万Token并不现实 | KV Cache和预填充开销过大 |
因此,范式的单卡演示大概率使用了4bit或更激进的量化方案,但官方目前没有公布具体量化格式、推理框架、上下文长度、生成速度和显存峰值。Phai-A1能在3090上启动,与它能在3090上处理100万Token,是两个完全不同的命题。
百万Token上下文是模型能够接受的最大理论上下文窗口,不等于任何硬件都能以相同成本跑满这个窗口。 Phai-A1的训练数据覆盖16K至1M Token,并使用YaRN factor=4扩展RoPE位置编码;配置文件还显示,模型以线性注意力层为主,每隔数层插入完整注意力层,以降低长序列计算压力。(huggingface.co)
但即使采用线性注意力,百万Token的输入读取、激活和缓存仍会带来巨大的显存与延迟开销。官方模型卡也建议在超长上下文场景使用vLLM或SGLang,并开启prefix caching与chunked prefill。这实际上说明,1M是模型能力上限,单张3090更适合常规代码仓库、短中长度任务和本地Agent,而不是一次塞入几百万行代码。(huggingface.co)
快8至10倍,这个数字还需要独立复现
范式宣称Phai-A1在相同单卡环境和相同代码Agent任务下,响应速度约为Qwen 27B的8至10倍。
官方对比让两个模型都运行在单张RTX 3090上,并使用同一版本的Claude Code执行相同任务。这个结果听上去非常突出,也符合MoE架构每个Token只激活少量参数的特点。(phai.phanthy.com)
但“响应速度”并不是一个足够明确的技术指标。它可能指首Token延迟、每秒生成Token数、完成任务所需总时间,也可能包含模型思考长度、工具调用次数和任务成功率。官方尚未公布两边采用的量化精度、上下文长度、采样参数、缓存设置及具体Token/s。
更现实的判断是:Phai-A1在单用户、本地代码Agent场景中很可能确实比27B稠密模型更快,但8至10倍不应直接理解为所有推理任务的裸吞吐提升。等社区拿到标准量化版本并在llama.cpp、vLLM或SGLang上复测后,这个数字才有足够的可比性。
跑分不弱,但它不是全面型通用模型
Phai-A1的优势集中在软件工程和Agent任务,而不是所有通用问答场景。
官方公布的六项测试中,Phai-A1在SWE-Bench Verified取得83.6%,在更困难的SWE-Bench Pro取得65.0%,均明显高于其Qwen3.6-35B底座;SWE-Bench Multilingual得分74.0%,TAU3-Bench得分69.6%。(phai.phanthy.com)
| 模型 | SWE-Bench Verified | SWE-Bench Pro | SWE-Bench Multilingual | TAU3-Bench | IFBench | AA-LCR | |---|---:|---:|---:|---:|---:|---:| | Phai-A1-35B-1M | 83.6% | 65.0% | 74.0% | 69.6% | 69.4% | 75.0% | | Qwen3.6-35B | 73.4% | 49.5% | 未报告 | 67.2% | 64.21% | 71.67% | | Ornith-1.5-35B | 79.0% | 59.6% | 71.4% | 未报告 | 未报告 | 未报告 | | Qwen3.8-27B稠密模型 | 86.0% | 62.7% | 73.8% | 71.3% | 79.5% | 82.0% | | GLM-5.2 | 82.8% | 62.1% | 74.5% | 未报告 | 73.3% | 78.33% |
这组数据说明后训练是有效的。与Qwen3.6-35B底座相比,Phai-A1在SWE-Bench Verified提升10.2个百分点,在SWE-Bench Pro提升15.5个百分点,工程级代码修复能力进步明显。
不过,它并没有全面超过更大的参考模型。Qwen3.8-27B在SWE-Bench Verified、TAU3-Bench、IFBench和AA-LCR上仍然领先;GLM-5.2在多语言软件工程、指令遵循和长上下文推理上也略高。范式自己在模型卡中承认,Phai-A1主要针对Coding与Agent优化,其他通用领域表现可能与底座不同。
Phai-M1:15秒有声视频约3分钟生成
Phai-M1是范式面向真人影视场景推出的音画联合视频生成模型,可以让对白、音效和环境声随画面一起生成。
按照官方公布的条件,Phai-M1在一张16GB显存的消费级显卡上,生成15秒720p视频约需3分钟,生成速度约为成片时长的12倍。模型支持5至20秒视频,以及480p、720p和1080p三档分辨率。(phai.phanthy.com)
| 项目 | Phai-M1公开规格 | |---|---| | 生成时长 | 5至20秒 | | 分辨率 | 480p、720p、1080p | | 画幅 | 16:9、9:16、4:3、3:4、1:1 | | 输入方式 | 文生视频、图生视频、首尾帧、参考生成 | | 音频能力 | 同步生成对白、音效和环境声 | | 参考速度 | 15秒720p约3分钟 | | 参考硬件 | 16GB显存消费级显卡 |
音画联合生成是Phai-M1最实际的产品点。传统AI视频流程通常要先生成无声画面,再完成配音、音效、音乐和口型同步;任何一个环节发生变化,都可能导致其他环节重新处理。把声音放进同一条生成流程,可以减少后期拼接成本,对AI短剧、营销视频和批量素材生产更有价值。
但Phai-M1目前更接近可体验的产品,而不是已经完整交付的开放模型。Phai-A1权重已经上线Hugging Face,Phai-M1则主要提供在线工作台,权重下载链接仍显示为后续公布。它的架构、参数规模、训练数据与公开评测也尚未披露。

范式真正想卖的不是一个聊天机器人
Phai系列的核心竞争力并不在聊天榜单,而在模型、算力调度和企业应用形成闭环。
范式已经把Phai接入ModelSphere、PhanRouter、PhanthyCode、PhanthyWork和PhanthyMovie等产品。对企业客户而言,这意味着模型可以直接嵌入代码开发、办公协作和视频生产流程,而不是停留在一个独立聊天网页里。
Phai-A1也是一种典型的“场景反向塑造模型”路线。范式先在PhanthyCode中进行匿名模型测试,再根据真实用户对能力、稳定性、速度和整体体验的反馈优化模型。官方调查中,Phai-A1的模型能力评分为8.53,稳定性与速度为8.42,体验满意度为8.43,三项均排名第一。(phai.phanthy.com)
这种闭环比单纯刷榜更适合企业软件:用户关心的不是数学题多做对一道,而是Agent能否在几十次工具调用后保持稳定、代码修改是否可以通过测试、部署成本是否能被预算接受。
判断:卖点够实用,技术透明度仍需补课
Phai-A1是一次有实际工程含量的发布,但“单卡运行”和“国产算力训练”都需要放在准确条件下理解。
它的积极信号有三个:第一,35B MoE配合量化,确实把较强的代码Agent能力推进到了24GB消费级显卡;第二,昇腾平台完成SFT和RL,说明国产算力正在从简单适配走向复杂后训练;第三,83.6%的SWE-Bench Verified和65.0%的SWE-Bench Pro证明,它不是只强调“小而快”的低端模型。
它的疑问同样有三个:官方没有公开3090演示使用的量化版本和Token/s;8至10倍速度缺少完整实验配置;百万Token上下文与单卡运行被放在一起宣传,容易让用户误以为3090可以轻松跑满1M上下文。
更关键的是,Phai-A1本质上仍是基于Qwen底座进行深度后训练的模型,而不是范式从预训练开始独立打造的新底座。它可以被称为范式的基础模型产品,但现阶段更准确的技术定位,是一个面向代码与Agent、高度工程化的开放权重模型。
如果后续社区能够在单张RTX 3090上稳定复现其速度和任务成功率,并且范式补齐量化权重、部署配方、完整测试设置与M1技术报告,Phai系列会成为国产算力生态里一个相当有辨识度的样本。否则,“8至10倍更快”和“百万上下文单卡模型”仍然只是值得验证的发布会数字。
参考来源
- Phai-A1-35B-1M模型卡:范式官方开放权重仓库,包含模型架构、训练方式、上下文与使用限制。
- Phai-A1权重文件列表:用于核对BF16模型文件约70.2GB的实际体积。
- HAMi开源项目:范式参与建设的异构AI算力虚拟化与Kubernetes调度基础设施。
- 单张RTX 3090运行35B MoE的社区讨论:本地模型社区对4bit量化体积、显存占用和上下文余量的实践讨论。



