22岁天才小伙破解“AI黑箱“：融合DeepSeek思路，参数效率翻倍！

本报讯 人工智能领域近日传来震动性消息：一位年仅22岁的年轻创业者，仅凭公开资料和对"第一性原理"的深刻理解，竟成功推导出了Anthropic公司号称"捂得最严实"的Claude Mythos大模型核心架构，并将完整代码开源至GitHub，引发全球科技界广泛关注。

一位"少年天才"的硬核操作

这位名叫Kye Gomez的创业者，是初创公司Swarms的创始人。此前他曾创办Agora Labs，在2021年至2024年间同时担任三家公司的联合创始人兼CEO，业务覆盖AI深科技、媒体、食品科技等多个领域。据其个人主页显示，Kye Gomez高中毕业后便投身创业，如今已是一位在AI领域颇有建树的年轻企业家。

事情起因于Kye Gomez发布的一篇技术帖子，详细阐述了他对Claude Mythos的架构分析。他称，自己并没有通过任何非法手段获取内部资料，而是通过"第一性原理"，对Anthropic公开发表的论文进行深度研究，最终从0到1推导出了Mythos的核心设计。

"原地跑圈"的颠覆性创新

据分析，Claude Mythos的核心并非传统意义上的"更大Transformer"，而是一种名为"循环深度Transformer"（RDT）的架构。

传统大模型开发模式类似于"盖高楼"——通过不断增加层数来堆叠参数，参数越多，模型越大，显存占用和训练成本也越恐怖。而RDT则采取"原地跑圈"的思路：同一个计算模块在一次前向传播中循环执行最多16次，每循环一次，隐藏状态更新一次，相当于"多想了一步"。

更关键的是，所有思考都在连续潜空间中进行，无需像思维链（CoT）那样每一步都输出可见的Token。这属于真正的"迭代推理"，而非简单的重复计算。

融合DeepSeek思路，参数效率翻倍

为了解决推理"深度"的同时兼顾"广度"，OpenMythos在循环核心的每个前馈网络层都替换成了混合专家（MoE）结构，设计上借鉴了DeepSeek-MoE的架构思路——大量细粒度的路由专家、每个Token只激活部分专家、少量"共享专家"负责吸收跨领域通用知识。

实验数据显示，一个770M参数的循环模型，在同等训练数据下，能达到1.3B标准Transformer的下游任务质量。换言之，用一半的参数，干了同样的活。

对行业的影响与未来展望

这一突破对行业意味着重大变革。对消费级硬件而言，以往运行高质量模型往往需要A100级别的GPU，而现在，"推理深度是时间换空间"——不需要更多显存，只需多跑几圈即可。

更深远的影响在于，这一发现可能改写AI的Scaling法则。未来的竞争焦点，可能不再是参数规模和算力堆砌，而是模型"思考深度"的优化。

Kye Gomez本人表示，这目前仍是理论层面的突破，需要进一步验证。但他已开源全部代码，项目地址为GitHub上的OpenMythos，让全球开发者能够在此基础上继续探索。

当闭源实验室的技术优势可能被一个22岁创业者通过公开信息轻易重建时，真正的护城河或许已从"架构壁垒"转向"持续创新能力"。这一事件，无疑为整个AI行业敲响了创新的警钟。