Refiant 推出 Protea，一种 1000 万代币上下文窗口 AI 模型，无需等待名单

南非成立的 Refiant 推出了 Protea，这是一套长上下文人工智能模型，具有 1000 万个代币的上下文窗口，可立即使用，无需等待名单，针对企业代码库和监管档案。

人工智能优化初创公司Refiant Inc.推出了Protea，这是一套由1000万代币上下文窗口主导的长上下文人工智能模型，该公司称该模型是有史以来公开发布的最大的。这些模型于 2026 年 7 月 8 日在 refiant.ai 上线，没有候补名单，也没有审批流程。

上下文窗口决定了模型可以在工作记忆中同时保存多少信息。如今，大多数领先的人工智能模型在性能下降之前只能处理不超过几十万个令牌，从而迫使开发人员采取将大型数据集分解为碎片的解决方法。 Refiant 表示 Protea 显着提高了这一上限。对于人工智能模型发布和行业趋势的持续报道，读者可以在我们的主页找到最新的人工智能新闻。

1000 万代币在实践中意味着什么

一个 1000 万个令牌的上下文窗口相当于大约 750 万个单词，或者大约 15,000 页文本。 Refiant 用鲜明的语言描述了实际含义：可以一次性加载整个企业代码库，也可以加载完整的监管档案或多年的临床试验数据，而这些数据以前必须被分割并逐个输入到模型中。

该公司说得更具体。一千万个代币可以保存一个人长达五年的电子邮件和 Slack 消息，或者数十年的报告和文件。工程团队可以在一天内加载完整的代码库并运行分析。保险公司可以筛选多年的索赔，而无需首先将数据分解成块。

Protea 提供三个版本，涵盖 100 万、500 万和 1000 万个代币，使开发人员能够灵活地将上下文大小与其工作负载和预算相匹配。

解决中间迷失的问题

大上下文窗口最持久的挑战之一是所谓的“中间丢失”问题，这是一个已记录的弱点，模型在输入的开始和结束时保持准确，但丢失了埋在这些端点之间的材料的踪迹。 Refiant 表示，Protea 专门解决了这个问题，尽管该公司尚未发布证明改进的详细基准结果。

中间迷失问题一直是长上下文模型实际采用的重大障碍。即使模型在技术上接受数百万个令牌，其在该上下文中信息的可靠性也常常受到质疑，从而限制了诸如完整代码库分析之类的任务的现实实用性。

基于群体优化和进化搜索

Refiant 由 Viroshan Naicker、Siddharth Gutta 和 Mathew Haswell 于 2025 年创立。奈克是一位量子数学家，而他的联合创始人则来自金融和商业规模背景。该团队认为，现代人工智能模型效率极低，自然界中已经存在更好的方法。

Refiant 的方法借鉴了进化搜索和群体行为，这与在鸟群、鱼群和蚁群中观察到的集体智慧原理相同。该公司首先将这种方法应用于模型压缩，成功缩小了 OpenAI 的 GPT-OSS-120B，使其可以在只有 12 GB RAM 的 MacBook Pro 上运行。这些压缩结果有助于确保与伦敦帝国理工学院和伦敦大学学院萨金特过程系统工程中心的研究合作伙伴关系。