AI初创公司Induction Labs近日正式发布全新大模型产品Photon-1及“想象模型”技术路线，该模型采用106B参数混合专家（MoE）架构，基于18年时长的无标签屏幕录屏数据完成单轮预训练，即可同时实现桌面环境模拟、跳棋智能对弈、台球物理动力学建模等多类跨场景任务，为通用人工智能的落地提供了新的技术路径。
在现场实测环节，Photon-1的表现打破了不少行业人士的固有认知：无需针对特定场景做微调，它既能完整模拟桌面操作系统的全量交互逻辑，也能完成规则清晰的跳棋对弈，甚至可以精准预判台球多次碰撞后的运动轨迹，误差控制在常规物理仿真引擎的同等水平。
当前主流的大模型如果要覆盖跨领域的交互类任务，通常需要针对每个场景收集标注数据集、做多轮针对性微调，不仅训练成本高企，适配新场景的周期往往长达数周甚至数月。不少研发团队尝试通过扩大多模态训练数据集的规模解决泛化性问题，但标注成本的上升和幻觉问题的频发，始终限制着这类模型在交互、仿真场景的落地。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号