離開(kāi)Meta這座圍城后，Yann LeCun似乎悟了“不要把雞蛋裝在同一個(gè)籃子里”。

一邊，他親手打造了自己的初創(chuàng)公司AMI，試圖在世界模型這條賽道上大展拳腳；同時(shí)，他的目光又投向了硅谷的另一角。

就在最近，LeCun正式宣布加入一家名為L(zhǎng)ogical Intelligence的初創(chuàng)公司，擔(dān)任技術(shù)研究委員會(huì)的創(chuàng)始主席。

挺有意思的。因?yàn)長(zhǎng)ogical Intelligence選擇了一條與當(dāng)前主流大模型（LLM）截然不同的技術(shù)路線。

該公司主推的是一種能量-推理模型，“更擅長(zhǎng)學(xué)習(xí)、推理和自我糾正”。

在數(shù)獨(dú)游戲測(cè)試上，Logical Intelligence推出的模型Kona不到1s就正確完成了數(shù)字填寫(xiě)，

而GPT 5.2、Claude Opus 4.5、Claude Sonnet 4.5都跑了100s了，還沒(méi)個(gè)結(jié)果……

After 10 minutes……

Logical intelligence是做啥的公司？

首先，咱先來(lái)搞搞清楚Logical Intelligence到底是做什么的。

簡(jiǎn)單來(lái)說(shuō)，這家今年1月剛對(duì)外亮相的AI公司正在研發(fā)一種基于能量的推理模型（Energy-Based Reasoning Model, EBM）。

聽(tīng)起來(lái)可能有點(diǎn)抽象……我們拆解開(kāi)來(lái)細(xì)說(shuō)一下。

這種模型通過(guò)根據(jù)約束條件進(jìn)行評(píng)分，來(lái)驗(yàn)證和優(yōu)化解決方案。

你可以把它想象成一個(gè)在復(fù)雜迷宮中尋找出口的智能體，它不是靠大模型那樣預(yù)測(cè)下一個(gè)token，而是通過(guò)感知周?chē)h(huán)境的“能量高低”來(lái)判斷方向。

在EBM的世界里，符合邏輯、滿足約束條件的解，其“能量”最低，也就是最一致、最穩(wěn)定的狀態(tài)。

系統(tǒng)會(huì)一直不斷優(yōu)化，直到找到那個(gè)能量最低的結(jié)果。

也就是說(shuō)，EBM體系從一開(kāi)始就假定問(wèn)題本身由嚴(yán)格約束構(gòu)成，推理過(guò)程服務(wù)于滿足約束這一目標(biāo)。

Logical Intelligence發(fā)布了三大核心技術(shù)論點(diǎn)。

第一，大模型作為推理模型的根本性受限。

它依賴離散token，給AI推理的擴(kuò)展帶來(lái)了嚴(yán)重障礙。

第二，能量-推理模型（EBMs）克服了使用基于大模型推理模型固有的主要難題。

第三，擴(kuò)展AI推理需要使用EBM進(jìn)行推理，用大模型進(jìn)行協(xié)調(diào)——尤其是在與自然語(yǔ)言教學(xué)之間的翻譯時(shí)。

如果你長(zhǎng)期關(guān)注LeCun的學(xué)術(shù)動(dòng)態(tài)，就會(huì)發(fā)現(xiàn)這玩意兒其實(shí)完美契合了他長(zhǎng)久以來(lái)的技術(shù)信仰。

早在20年前，LeCun就多次討論過(guò)能量模型在智能系統(tǒng)中的潛力。

只是受限于算力與訓(xùn)練方法，這一路線長(zhǎng)期停留在理論與小規(guī)模實(shí)驗(yàn)階段。

近幾年，LeCun在采訪中反復(fù)提到大模型的成功在某種程度上讓整個(gè)領(lǐng)域形成路徑依賴。就在最近的一次采訪中，他還對(duì)著媒體說(shuō)，每個(gè)人都已經(jīng)“被LLMs洗腦了”。

所以，LeCun加入這家公司是一個(gè)非常順理成章，兩方一拍即合的事情。

Logical Intelligence的創(chuàng)始人兼CEO Eve Bodnia表示：

• 對(duì)我們來(lái)說(shuō)，Yan LeCun是能量-推理模型和相關(guān)各種架構(gòu)的唯一專家。
  當(dāng)我們開(kāi)始著手這個(gè)EBM時(shí)，他是我能與之交談的唯一人選。

Eve Bodnia還說(shuō)，AI有不同的形式，不必非得是基于文本的AI。

“人們總說(shuō)我們處于AI泡沫之中，但我們不在這個(gè)范圍內(nèi)。因?yàn)榇蠹抑皇翘幵诖竽Ｐ团菽小！?/p>

他還說(shuō)，通往AGI的道路需要不同的AI來(lái)各司其職：

• LLMs用自然語(yǔ)言與人類(lèi)交互
• EBMs承擔(dān)推理任務(wù)
• 世界模型幫助機(jī)器人在3D空間中采取行動(dòng)

已推出首款模型

Logical Intelligence聲稱自己是首個(gè)成功構(gòu)建出工作型EBM的公司。

他們已經(jīng)推出了一款叫Kona的能量-推理模型，參數(shù)量低于200M。

那么，這款模型的表現(xiàn)如何？

Logical Intelligence甩出了一個(gè)具體的應(yīng)用場(chǎng)景，數(shù)獨(dú)。

在單個(gè)Nvidia H100 GPU上運(yùn)行，Kona解決數(shù)獨(dú)問(wèn)題的速度，比Claude Opus 4.5、GPT 5.2、Gemini 3 Pro等全球頂尖的大模型都要快得多。

準(zhǔn)確率也遙遙領(lǐng)先。

這是Kona玩兒數(shù)獨(dú)的速度和成績(jī)：

第二快的是DeepSeek-V3.2，不過(guò)出了一些小小的錯(cuò)誤：

其它Gemini 3 Pro、Claude Opus 4.5玩兒數(shù)獨(dú)的速度，都100s開(kāi)外去了……最后結(jié)果還是錯(cuò)的（捂臉）。

BTW，在此測(cè)試中，大模型們被禁止使用能“暴力解題“的編程能力。

之所以選數(shù)獨(dú)來(lái)測(cè)試，是因?yàn)?strong>數(shù)獨(dú)是一個(gè)典型的強(qiáng)約束、零容錯(cuò)的邏輯問(wèn)題。

填錯(cuò)一個(gè)數(shù)字，整個(gè)盤(pán)面就廢了。

這個(gè)對(duì)比就是為了突出在強(qiáng)約束、解空間有限的問(wèn)題上，能量模型的搜索效率。

所以Kona的目標(biāo)戰(zhàn)場(chǎng)不僅僅是填數(shù)字游戲。

Logical Intelligence的目標(biāo)是讓Kona去解決現(xiàn)實(shí)世界中最為棘手的問(wèn)題，比如優(yōu)化復(fù)雜的能源網(wǎng)絡(luò)分配，或者實(shí)現(xiàn)精密制造過(guò)程的自動(dòng)化。

Eve Bodnia強(qiáng)調(diào)的，這些任務(wù)“壓根都跟語(yǔ)言沒(méi)關(guān)系”，而且對(duì)幻覺(jué)的容忍度非常低。

根據(jù)最新公開(kāi)資料，EBM在訓(xùn)練數(shù)據(jù)方面還有獨(dú)特的優(yōu)勢(shì)。

EBM的訓(xùn)練數(shù)據(jù)可以是任何東西。

“我們不是試圖為所有事物創(chuàng)建一個(gè)適用于所有情況的通用大腦。我們?yōu)槊總�(gè)獨(dú)立的業(yè)務(wù)創(chuàng)建一個(gè)較小的模型。每個(gè)客戶的數(shù)據(jù)都會(huì)有所不同�！�

這就使得訓(xùn)練與傳統(tǒng)大模型有很大不同。團(tuán)隊(duì)用來(lái)訓(xùn)練Kona的是部分?jǐn)?shù)據(jù)，稱為稀疏數(shù)據(jù)，而Kona能夠從稀疏數(shù)據(jù)中提取完整數(shù)據(jù)。

One More Thing

目前，Kona還是一個(gè)閉源模型。

不過(guò)CEO說(shuō)了，最終會(huì)考慮將某些內(nèi)容開(kāi)源。

• 希望在將其公之于世之前，能夠充分理解它。
  這是邁向AGI的一大步。
  你需要思考它的安全性如何，可能性有哪些，以及界限在哪里。我只是想做一個(gè)負(fù)責(zé)任的父母。

參考鏈接：
https://archive.ph/H91Zl#selection-2531.22-2531.53
如果你也想測(cè)下數(shù)獨(dú)速度：
https://sudoku.logicalintelligence.com/