← 全部模型资讯

港大团队公开 YN 决策模型家族:4.21 亿参数 YN-mini 单卡 3.7 万 token/s,1200 万户仿真用 14 张 GPU

机器之心 2026 年 11 月 6 日报道,香港大学罗晔团队发布社会规模多智能体仿真框架 S²-MAS,公开 YN 决策模型家族(421M 至 9B)与 Genese 引擎;报道称 4.21 亿参数的 YN-mini 在单张 A100 上达 3.7 万 token/s,用 14 张 GPU 在约 4 小时内完成 1200 万户家庭仿真。

发布 更新

发生了什么

据机器之心 2026 年 11 月 6 日报道,香港大学罗晔教授团队发布社会规模多智能体仿真框架 S²-MAS,并公开 YN 决策模型家族。框架由三部分组成:约 5 亿份消费者家庭画像库(每份 36 个结构化字段)、YN 决策模型与 Genese 仿真引擎。报道称团队把 417 万条真实调查问答整理成“家庭状态+问题+选项”格式;模型采用预训练主干加决策头,由 ModernBERT 或 Qwen 主干编码上下文,决策头对候选行动打分并经 softmax 归一化为选择概率,不再逐 token 自回归生成。YN 家族覆盖 421M、322M、4B、9B 四档参数、共 10 个训练变体;主力 YN-mini 约 4.21 亿参数,由 3.95 亿参数的 ModernBERT-large 主干加选项打分头构成,经两阶段 SFT 与 RLCD 训练,论文中的千万户仿真使用其 MLX FP16 版本。团队同时公开训练与评测代码、科研绘图与聚合结果复现脚本、200 万份独立合成家庭画像和 32,000 条无标签任务输入,并说明模型与部分合成数据按各自的科研使用条款提供。 评测方面,报道称在 240,458 道留出的单轮消费者金融选择题(119 个问题版本、8,275 个受访家庭组)上,YN-mini 取得 74.55% 准确率与 38.37% 宏平均 F1,比 Jev 1.13 高 9.30 个百分点、比 GLM-5.3-Flash 高 5.68 个百分点;在 500 组固定分组抽样(14,441 条记录)上与 GPT-6-Astra 的配对评测为 74.73% 对 69.34%。报道还称单张 A100 部署测试中 YN-mini 达 3.7 万 token/s,为 Jev API 吞吐的 22.72 倍。规模实验使用 14 张 GPU(8 张 H100 80GB 与 6 张 A100 40GB),把任务切成 2400 个工作单元流水线并行,在 3 小时 59 分 17 秒内完成 1200 万户家庭、2400 万次配对决策与 2.88 亿条月度账本状态,端到端平均每秒约 1672 次家庭决策、约 88.6 万 token/s。 引擎侧,报道称 Genese 在单张 T4 上运行 1000 个智能体单轮耗时 6.17 秒,比 OASIS 与 OneSim 分别省约 17% 与 20%;固定决策后端后,其执行速度是 AgentSociety、OneSim、OASIS 与 MiroFish 的 2.12 至 4.10 倍。团队另用 1060 户真实家庭做消费预测检验,报道称独立决策的 YN-Master-9B 年度平均绝对误差为 51,312 元人民币,比 HANK 式完全理性基准低 3.42%,均方根误差低 3.15%;YN-Lite-4B 在按收入分组的拟合距离上比该基准低 14.26%。

对开发者的影响

对打算接入的开发者来说,最直接的变化在调用形态。报道描述的是预训练主干加决策头:一次前向对预设候选行动打分,经 softmax 给出概率分布,不再逐 token 生成,调用方不必再解析自由文本,也不为整段生成付 token 成本;代价是候选行动必须提前枚举,任务被限制在封闭选项内,开放式问答与自由文本输出不适用。评估口径也应随之改变:可比的量是逐题准确率、宏平均 F1、选项顺序调换后最高概率选项是否稳定,以及在自己硬件与批大小下每秒完成的决策数,而不是生成质量或人工偏好。报道中的 3.7 万 token/s 与 22.72 倍来自单张 A100 的部署测试,但来源没有交代该测试使用的精度与主干配置,而 MLX FP16 版本只与论文中的千万户仿真绑定,两者不是同一条件,这些数字随精度、批大小与引擎变化而偏移,只能当作量级参考。Genese 一侧的价值集中在账本一致性:实体—组件数组批量更新、世界状态与事件在同一事务边界提交、异常回滚到轮次快照,这些机制对应千万级主体下“账改了、记录没留”的风险;如果仿真不要求逐笔留痕与可回滚,这部分收益会小得多。此外,决策头评分架构对整套仿真栈提出新接口要求:候选集生成、概率读出与账本结算必须拆成可独立替换的模块,否则换模型就要重写实验。需要强调,上述准确率、吞吐与加速比均来自论文与团队侧表述,目前没有独立复现。

接入与评估建议

以下是条件性建议与推荐,不是报道事实。决策一,对应报告中“预训练主干+决策头、直接输出选项概率”这一变化:如果你的负载是封闭选项的选择题,例如问卷式偏好预测或规则内的动作选择,可以把决策头模型作为生成式调用的替代候选。前提是每次调用前候选集可枚举且固定;如果任务需要自由文本或开放推理,这一替代不成立,应继续用生成式模型。衡量标准是自有留出集上的逐题准确率与宏平均 F1 是否优于现有基线,并补一项选项顺序调换测试,观察最高概率选项是否改变;若准确率没有提升,收益只剩推理成本,需另行核算。 决策二,对应报告中 Genese 的批量更新、原子提交与快照回滚设计:如果你要做十万级以上的智能体仿真,先复现引擎而不是先换模型。前提是仿真要求逐笔可对账;如果只需要粗略的总体均值、不需要异常回滚,简单批处理脚本可能已经够用。做法是用同一决策后端在自有硬件上跑 1000 个智能体的一轮,记录耗时并核对账本能否逐笔对上、异常时能否回到轮次快照;通过标准是账目可复现且回滚有效,再比较每秒决策数。报告把 Genese 与 OASIS、OneSim、AgentSociety、MiroFish 做了对比,这些数字来自团队自设的受控基准,自测时需固定同一决策后端才具可比性。 决策三,作为前两项的前置条件,对应报告中“模型与部分合成数据按各自的科研使用条款提供”:如果要把它放进商业产品,先逐仓库确认许可文本与所需授权范围是否覆盖你的分发方式,再写代码;仅供内部研究复现时通常不触发该判断。另外,报告中作为对照的 GLM-5.3-Flash 与 DeepSeek-V4.1-Flash 在 KimiSeek 目录中有对应条目,可作为自建评测基线的候选,但基线如何选取仍以你自己的任务为准。

限制与待确认事项

有几处不确定性需要保留。第一,报道中的准确率、吞吐与加速比均为团队自报,评测集来自消费者金融这一单一场景的封闭选择题,报道本身也写明该优势不代表泛化性与开放推理能力;论文里 74.55% 与固定分组抽样上的 74.73% 来自不同样本口径,不宜混用。第二,单张 A100 上 3.7 万 token/s 的测试配置(精度、主干、批大小)来源未交代,来源只把 MLX FP16 版本与论文中的千万户仿真绑定,两者不是同一条件,不能互相推广。第三,权重虽已发布,但按科研使用条款提供,开放权重不等于 OSI 认可的开源许可,商用范围需自行核实。第四,YN 决策模型家族与 YN-mini、YN-Lite-4B、YN-Master-9B 等版本在当前 KimiSeek 目录中均无精确匹配条目,本站未收录该系列;报道也没有提到 YN 系列的官方 API 或托管服务,如果之后由厂商提供,其可用性、价格与配额以厂商或托管方为准,不代表本站已接入。第五,画像人工质量评分的对象是 100 份处理后的真实调查画像,消费预测实验用的是报道所述的 1060 户真实家庭消费记录,评测题目也取自真实调查问答,这些证据来源本身并非合成数据;但它们都出自团队自行设计与执行的评测流程,对照基准(如 HANK 式完全理性基准)与指标由团队设定,缺少第三方复现。真正由合成人口构成的是 5 亿份画像库与 1200 万户仿真实验,其汇总结论依赖生成过程的统计校准。第六,年份改写为 2031 的记忆探测试验,每个模型仅 12 组问法变体,只能算初步证据。第七,仿真结果中 65 岁以上家庭在两种条件下全部选择暂缓购买这类极端分布是否贴近现实,报道未给出外部行为数据校验,这一点属基于报道的推断,不是来源结论。

三分钟跑通第一次调用

注册后创建 API Key。调用费用从账户余额扣除。新用户首充 7 折。充 ¥500,实付 ¥350,到账 ¥500。充 ¥1000,实付 ¥850,到账 ¥1000 最低充值仍为 ¥10,适合试用。

来源与编写说明

3.7万token/s实现千万级家庭仿真,准确率超越硅谷Jev模型,港大罗晔教授团队发布YN决策模型

本文基于所列来源,由 AI 辅助整理、分析和翻译,并经过自动质量检查。分析与建议不代表实测结果;模型可用性与价格请以当前目录为准。