VIDRAFT
专注于开源智能体决策模型的AI公司，发布Darwin系列开源权重模型，定位为专有带类型决策模型的开源替代方案
核心事实
时间轴 (近 90 天)
FINAL-Bench与榜单维护方QuantID存在技术合作伙伴关系，其母公司VIDRAFT出现在排名中，因此该日报并非独立评测。
韩国AI初创公司VIDRAFT发布了180B参数开放权重模型Darwin-180B-RSI，托管在Hugging Face的FINAL-Bench/Darwin-180B-RSI仓库下。
按照AIhoster方法论，Darwin-180B-RSI的分数来源是VIDRAFT自家模型卡报告，未经第三方独立复现。
VIDRAFT的Darwin产品线同时有多个尺度与推理配置的模型进入GPQA榜单前列，包括180B-RSI（第一）、397B-ZTC（第三）和398B-JGOS（第九，90.9%），说明其为多版本并行迭代管线。
FINAL Bench是一个覆盖15个领域、100项任务的功能性元认知评估基准，旨在评估模型识别自身错误并修正的能力。
VIDRAFT将其核心工具链的开源部分从Hugging Face迁移到了GitHub（github.com/final-bench），并一次性发布了六个项目。
据VIDRAFT披露，POCKET各构建版本的累计下载量已超过两百万次。
发布方QuantID是VIDRAFT的技术合作伙伴，而FINAL-Bench是VIDRAFT旗下的组织，因此榜单存在利益披露，原文声明这不是一次独立评测。
VKORE-46M-NPU 被定位为硬件无关 AI 开发的概念验证。
VIDRAFT 未宣布 VKORE-46M-NPU 的公开访问方式，没有 Hugging Face 仓库、GitHub 链接、OpenAI 兼容 API 端点或模型权重下载信息。
还有 40 条时间轴事件
全部知识事实 (20)
VKORE旨在NPU上重建类似CUDA的抽象层，向上提供统一的训练与推理接口，向下适配不同厂商的NPU指令集，使数据中心可以像更换存储或网卡一样更换加速器，而无需重写模型代码，从而打破单一供应商锁定。
65%部分验证VKORE被定位为硬件无关的软件层，面向混合部署GPU和NPU的数据中心，不绑定特定芯片厂商。
65%待验证FINAL-Bench与榜单维护方QuantID存在技术合作伙伴关系，其母公司VIDRAFT出现在排名中，因此该日报并非独立评测。
50%待验证按照AIhoster方法论，Darwin-180B-RSI的分数来源是VIDRAFT自家模型卡报告，未经第三方独立复现。
50%待验证VIDRAFT的Darwin产品线同时有多个尺度与推理配置的模型进入GPQA榜单前列，包括180B-RSI（第一）、397B-ZTC（第三）和398B-JGOS（第九，90.9%），说明其为多版本并行迭代管线。
50%待验证发布方QuantID是VIDRAFT的技术合作伙伴，而FINAL-Bench是VIDRAFT旗下的组织，因此榜单存在利益披露，原文声明这不是一次独立评测。
50%待验证FINAL Bench是一个覆盖15个领域、100项任务的功能性元认知评估基准，旨在评估模型识别自身错误并修正的能力。
50%待验证VKORE-46M-NPU 被定位为硬件无关 AI 开发的概念验证。
50%待验证VIDRAFT 在一类通常只用于推理的 NPU 硬件上，从零预训练了一个 4600 万参数的语言模型 VKORE-46M-NPU，整个训练过程未依赖 NVIDIA GPU 或 CUDA 软件栈。
50%待验证VIDRAFT 的 VKORE-46M-NPU 预训练达到了收敛，即模型成功完成训练，未因硬件故障或数值不稳定而中止。
50%待验证实验在32芯片的NPU集群和一块参考GPU上运行同一模型、相同初始化、相同数据和训练计划，NPU与GPU的损失轨迹相关性达到0.99。
50%待验证VIDRAFT在软件层为NPU额外定义了一套反向图的编译路径，使梯度计算也能被编译成NPU可执行的静态程序。
50%待验证公开的VKORE-46M-NPU是一个46M参数、字符级、在TinyStories数据集上训练的模型，其作用是验证训练路径可行性而非模型质量。
50%待验证VIDRAFT团队在一块仅推理的NPU上从零完成了语言模型的完整预训练，未使用任何GPU。
50%待验证VIDRAFT在NPU上实现的反向传播是标准反向模式梯度计算，不是无梯度替代方案，但技术机制未公开。
50%待验证VIDRAFT的发布证明推理NPU上的反向传播在数值上是可信的，但模型仅46M参数，训练代码不开源，速度指标未披露，从46M到更大规模模型之间的工程障碍目前无法判断。
50%待验证VIDRAFT正在构建的VKORE软件层目标是成为“NPU领域的CUDA”，覆盖推理加速、完整预训练和LoRA微调三项能力，此次发布的是预训练里程碑的公开验证产物。
50%待验证VIDRAFT验证了通用公开模型可以在同一块NPU上做推理和量化模型执行，说明VKORE层同时覆盖了训练和部署两端。
50%待验证VIDRAFT的同一套NPU方案已覆盖从零预训练、LoRA微调、推理加速（在通用开源模型上同样得到验证）、量化模型执行与加速等模型生命周期环节。
50%待验证VKORE-46M-NPU核心训练技术为专有方案，正在申请专利，细节将在后续论文中公布；核心训练代码出于知识产权保护暂未开源。
50%