国产端侧认知模型发布 4B参数量打平GPT-5.4性能表现

国内AI芯片独角兽地平线公司与清华大学联合研究团队今日在2026年度神经信息处理系统大会上发布了CogNet-4B，这是一款专为端侧部署设计的认知大语言模型。该模型以仅40亿的参数量，在多项权威基准测试中达到了与GPT-5.4大模型相当的性能水平，首次在端侧场景下实现了与云端旗舰级模型的能力对齐，开创了小参数大性能的新范式。CogNet-4B的核心创新在于其独创的分层认知架构。传统的Transformer架构将所有信息处理能力均匀分布在海量参数中，而CogNet-4B借鉴了人类大脑皮层的层级处理机制，将认知过程明确划分为感知编码、语义理解、逻辑推理和决策输出四个功能模块，每个模块采用针对性优化的子网络结构。这种设计使得模型能够以极少的参数量实现高效的认知推理，避免了传统小模型在复杂推理任务上的能力瓶颈。在具体性能测试方面，CogNet-4B在中文语言理解基准C-Eval上取得了89.3分的成绩，与GPT-5.4的91.2分仅相差不到2个百分点。在数学推理基准GSM8K上，CogNet-4B的准确率达到了87.6%，与GPT-5.4的89.1%基本持平。在代码生成基准HumanEval上，两者的表现差距也控制在5%以内。特别值得一提的是，CogNet-4B在中文古文理解、成语语义分析和本土文化知识问答等具有中国特色的任务上，表现甚至优于GPT-5.4，这得益于训练数据中大量优质中文语料的针对性投喂。端侧运行效率是CogNet-4B的另一大亮点。在地平线征程6车载AI芯片上，模型的实测推理速度达到每秒80个token，完全满足实时对话交互的需求。整机功耗仅为3瓦，这意味着在智能手机场景下，连续运行一小时仅消耗约3瓦时的电量，对电池续航的影响微乎其微。在智能家居场景中，模型可以直接运行在低功耗的边缘计算设备上，实现完全离线的本地化AI服务。对于国产AI产业而言，CogNet-4B的发布具有重要的战略意义。长期以来，中国AI应用企业高度依赖海外大模型的API服务，不仅面临数据出境的合规风险，还受到算力成本高昂和网络延迟不稳定等实际困扰。CogNet-4B提供了一个性能可靠、部署灵活的本地化替代方案。据了解，多家国内头部手机厂商已经与地平线签署了技术合作协议，计划在2026年秋季发布的旗舰机型中集成该模型。在智能汽车领域，也有多家车企表达了合作意向，CogNet-4B有望成为下一代智能座舱的核心交互引擎。