【Essential AI 發布 Rnj-1】8B 小模型效能媲美 GPT-4o，企業 AI 部署成本將被重寫
由 Google 著名《Attention Is All You Need（注意力就是你所需要的一切）》論文共同作者 Ashish Vaswani 創立的 Essential AI，近期正式開源發布其首款開源模型 Rnj-1，有 base 和 instruct 兩個版本。
Rnj-1 目標是成為開源領域中的世界級基礎與指令微調模型，雖然只有 80 億（8B）參數，但在軟體工程與複雜推理任務上展現出驚人效能，被視為小型模型發展的重要里程碑。Rnj-1 的核心並非追求參數量的無限擴張，而是專注於 Agentic Coding（代理程式碼編寫） 與 STEM 推理，特別聚焦在需要多步驟思考的技術工作流程，例如解決軟體工程問題、複雜的工具使用以及科學推理任務。
Essential AI 強調，Rnj-1 的設計理念在於「科學嚴謹性」與「工程紀律」，並透過高品質的訓練資料與穩定的訓練流程，致力在相對輕量的架構下，提供能與大模型匹敵的準確度，進而推動 AI 技術的公平普及與開放發展。Essential AI 更強調使用專注於 STEM 前沿能力與程式碼能力的高品質資料進行預訓練，團隊也刻意限制後訓練的程度，目的是保留模型靈活性，讓開源社群能針對特定領域進一步微調與擴展。
Rnj-1 Instruct 表現優於許多參數規模大 10 倍的模型
在衡量大型語言模型軟體工程能力的權威測試 SWE-bench Verified 中，Rnj-1 展現出相當突出的競爭力。Rnj-1 Instruct 在該測試中取得 20.8% 的成績，Essential AI 指出，這一表現甚至優於許多參數規模大於 Rnj-1 10 倍的模型，證明小型模型在特定專業領域同樣能具備「前沿級」的實力。Essential AI 的成員 Yash Vanjani 指出，Rnj-1 在 SWE-bench 上與 GPT-4o 並駕齊驅，且在許多評測中遠優於其他開源模型。
此外，Rnj-1 在處理真實世界的軟體任務時也表現穩定，無論是解決 GitHub PRs、修復錯誤或優化程式碼，都能展現良好的多步驟推理能力。更重要的是，Rnj-1 Instruct 支援 32K tokens 的長上下文視窗，使其能分析大型程式碼庫、進行深度除錯，並在長對話或複雜工作流程中保持邏輯一致性。
Rnj-1 Instruct 擁有高部署效率，支援多元部署模式
為了滿足當前對於 AI Agent 的應用需求，Rnj-1 Instruct 在工具使用與指令遵循能力上進行了深度優化。首先，在 Berkeley Function Calling Leaderboard（BFCL）v3 測試中，Rnj-1 取得 62.2% 的高分，顯示其能夠在工作流程中精準呼叫外部工具或 API，是構建自動化系統的理想基礎。
其次，模型經過約 1,500 億 tokens 的監督式微調（SFT），特別針對指令遵循與代理行為（Agentic Behavior）進行優化，使其在執行複雜指令時更為穩定可靠。此外， Essential AI 指出，由於採用 8B 規模設計，讓 Rnj-1 具有高度部署效率，可運行於多種硬體環境，也支援 Serverless 或專屬端點等多元部署模式。
社群迴響：Rnj-1 為何被視為重要突破？
在 Rnj-1 發布後，旋即在 AI 社群引發廣泛討論。知名 AI 評論者 Kimmonismus 指出，Rnj-1 意義重大，因為它是第一個真正開放的模型，在 8B 的計算能力上達到前沿水平，同時保持完全透明。
開發者 Amogh Vaishampayan 強調，AI 競賽本質上是一場經濟競賽，真正重要的參與者只有中國與美國。最終的贏家將取決於誰在生產環境中部署更多 AI，並創造更多經濟價值，而不是哪個模型在基準測試中表現最佳。對大多數生產工作負載而言，開源模型才是更經濟的選擇。
此外，由於創辦人 Ashish Vaswani 是 Transformer 架構的共同發明者，因此社群對 Rnj-1 在架構層面的創新，也抱持高度信任與期待。
總結而言，Rnj-1 不僅在性能上展現突破，也已具備完善的使用途徑，便於開發者與企業快速上手。目前 Rnj-1 Instruct 已在 Together AI 上架，模型權重也以 Apache 2.0 許可在 Hugging Face 全面開源，可自由用於研究或商業場景。此外，官方也提供完整的 Python 與 TypeScript 範例，讓模型能順利整合入現有工作流程，為 Rnj-1 的實際落地鋪平道路。
Rnj-1 的出現，展現小型開源模型逼近前沿能力，也讓高效、可部署、可自主掌控的 AI 成為企業新選項，為下一階段的生成式 AI 落地開啟新的可能。
＊本文開放合作夥伴轉載，參考資料：Essential AI、HuggingFace、kimmonismus X、Amogh Vaishampayan X，首圖來源：Essential AI