2 款中型 ——700 亿参数稠密模型、1090 亿 MoE 模型；
2 款大型 ——4050 亿参数稠密模型、6710 亿 MoE 模型。
每个模型都可以直接作答（标准 LLM 模式），也可以在作答前进行自我反思（类似推理模型）。
其中，最大规模的 671B MoE 模型是目前全球最强大的开源模型之一，其性能与最新的 DeepSeek v3 和 DeepSeek R1 模型相当甚至超越，且接近 o3 和 Claude 4 Opus 等闭源前沿模型。
Deep Cogito 的核心方法是迭代蒸馏与增强（Iterated Distillation and Amplification，简称 IDA），它不依赖手工设计的提示词或静态教师模型，而是利用模型自身不断演化的洞察力来引导训练。
这一过程不是通过延长推理时间来提升性能，而是让模型通过迭代式策略改进内化推理过程。
这是一个全新的扩展范式，使模型逐渐形成更强的直觉，并成为 AI 自我提升（AI 系统自我改进）概念的有力验证。
由于 Cogito 模型在搜索过程中对推理路径有更好的直觉，其推理链比 DeepSeek R1 缩短了 60%。
与普遍认为技术创新需要大量基础设施投入的观点相反，这种方法效率极高 —— Cogito 系列模型（总共 8 个，本文是其中的 4 个）的训练总成本不足 350 万美元，其中已包含合成与人工数据生成、超过一千次训练实验的所有成本。
现在，用户可以在 Huggingface 上下载模型，或者直接通过 Together AI、Baseten 或 RunPod 上的 API 使用它们，或者使用 Unsloth 在本地运行它们。
Huggingface 地址：https://huggingface.co/collections/deepcogito/cogito-v2-preview-6886b5450b897ea2a2389a6b
说到 Deep Cogito，可能许多 AI 从业者近期才刚刚开始接触这家公司，Deep Cogito 实际上已经默默耕耘了一年多的时间。
它于 2025 年 4 月正式走出隐身状态，并发布了一系列基于 Meta 的 Llama 3.2 训练的开源模型。那些早期发布的模型就已展现出颇具前景的表现。
当时最小的 Cogito v1 模型（3B 和 8B）在多个评测基准上都超越了同尺寸的 Llama 3 模型，有时差距甚至相当明显。
Deep Cogito 的联合创始人兼 CEO Drishan Arora，此前是谷歌大语言模型核心工程师。他将公司的长期目标描述为：构建能够像 AlphaGo 那样通过每次迭代不断进行推理和自我提升的模型。
方法介绍
该研究最主要的目标是：将推理步骤蒸馏回模型的参数中，也就是把推理时的搜索过程转化为模型的直觉，融入其内在能力中。
今年早些时候，Cogito v1 模型上线，该模型当时就使用了「迭代蒸馏与增强 」技术。
今天发布的 Cogito v2 模型在这一研究路径上进一步拓展到了更大规模的系统上，并将重点放在 IDA 的另一个关键部分上 —— 通过蒸馏实现自我改进。
在多个特定领域（如国际象棋、围棋和扑克），AI 通过两步循环（two-step loop）实现了超人类表现：
推理时计算：通过消耗算力来搜索解决方案；
策略迭代优化：将搜索发现的知识蒸馏到模型参数中，使得下次搜索更容易。
在这一模式下，AlphaGo 是典型代表，LLM 可视为同类系统，其推理时间计算虽比游戏系统更非结构化（通过生成答案前的「思考过程」实现），但要完成智能迭代提升的闭环，同样需要关键的第二步骤 —— 策略迭代优化。
也就是说，需要将推理过程蒸馏回模型参数中，使模型拥有更强的智能先验。这意味着应当能够以某种方式利用推理阶段的思考过程，使模型本身变得更有能力或更聪明。模型应该能够直接预测出推理的结果（而不是真的执行整个推理过程），并预判自身推理可能产生的结果。
尽管近期的 LLM 在推理方面取得了一些进展，但这些进展大多是依赖于延长推理链条，而不是增强模型本身的智能先验。因此，LLM 性能的提升主要依赖于给模型更大的思考预算（即更多的推理 token），也就是多试几种可能，而非模型对哪条搜索路径更合适有真正的直觉。同样地，LLM 在非思考模式下的改进，也主要依赖于加入回溯等启发式策略，其本质上与穷举更多路径没有本质区别。
提升模型本身的智能是一个更加困难的根本性问题，尤其是面对语言模型中那种非结构化的推理路径。要解决这个问题，需要在迭代式策略改进方面取得技术性突破。Cogito v2 就是该研究在这个方向上迈出的下一步。
该研究相信，在迭代式策略改进方向上持续研究，将有望实现远超单纯增加推理 token 所能带来的模型能力跃升。
评估
团队公布了一些标准基准测试的评估结果，但特别强调，这些公开基准测试固然有其参考价值，但它们的结果与团队的内部评估时常存在差异。
在他们的内部评估中，Cogito 模型的表现持续优于大多数开源模型。因此他们相信，自家模型在应对真实世界的应用和评估时会表现出色。
此外，像 o3 和 Claude 4 Opus 这类前沿的闭源模型，它们的实力也早已超越了这些基准测试所能衡量的范畴。
报告中还提到了一个有趣的「涌现能力」。尽管 Cogito v2 的训练数据完全是文本，但由于其基座模型具备多模态能力，它似乎通过纯粹的迁移学习，学会了对图像进行复杂的逻辑推理。
在一个示例中，模型在被要求对比两张风马牛不相及的图片（一张鸭子和一头狮子）时，其内部的「思考」过程清晰地展示了它如何分析图像的构图、色彩、主体、环境乃至情感氛围，并最终给出了条理清晰的对比。
这种未经专门训练而自发产生的能力，为研究 AI 的泛化与学习机制提供了新的有趣视角。不过团队尚未通过视觉基准测试评估此功能。
基准测试结果
70B Dense
109B MoE
405B Dense
671B MoE（非推理）
671B MoE（推理）
参考链接：
https://www.deepcogito.com/research/cogito-v2-preview
]]>