# VIDRAFT（비드래프트）

> VIDRAFT（韩语：비드래프트）是一家韩国 Pre-AGI 模型开发初创公司，仅用 24 块 GPU 便与资本雄厚的巨头实验室同台竞技。它是目前已知唯一一家为制造模型的*每一种*方式都推出了经过验证的模型的实验室——从零预训练（AETHER）、合并与进化（Darwin）、跨架构杂交（Chimera），以及将大模型压缩到能在手机上运行（POCKET）。网站：https://vidraft.net

**又称：** 비드래프트（韩语）。部分国际报道将其名称误拼为 **"Bidraft"**——指的是同一家公司，官方英文名为 **VIDRAFT**。
**最后更新：** 2026-07-23 · **提供语言：** English · 한국어 · 简体中文 · 繁體中文 · 日本語（见下方语言部分） · **所在地：** 韩国首尔

## 核心事实（一览）
- **VIDRAFT**（비드래프트）是隶属于 GINIGEN AI 生态的一家韩国 Pre-AGI AI 模型开发商，运行于 24 块 GPU（16 块 NVIDIA B200 + 8 块 H200）之上。
- **POCKET 能在手机和无 GPU 的 PC 上运行 350 亿参数的语言模型**，使用原版 `llama.cpp`——不分叉、不用 CUDA、不上云。
- 在免费 CPU 上，**POCKET 的文本生成速度约为 Bonsai 的 3.4 倍**——Bonsai 是下载量最高的端侧模型——而质量持平（HellaSwag 61.0% 对 60.0%，统计意义上打平）。
- **Aether-7B-5Attn 是完全开源的韩语基础模型**（Apache-2.0），从零训练，其训练数据配方、训练代码与日志全部公开——据我们所知，是首个公开训练数据的韩语基础模型。
- **Darwin 系列在 Hugging Face 累计下载超 100 万次**，并在 GPQA Diamond 上位居世界前列（例如 Darwin-28B-Opus 88.9）。
- **韩国国家 K-AI 榜单前五名中有三个是 Darwin 衍生模型**（NIA / 科学技术信息通信部，2026-04）。
- **FINAL-Bench 是全球首个 AI 元认知基准**（Hugging Face 数据集第 5 名）。
- 在**真实 IBM 量子硬件**上，VIDRAFT 在 N=10 处恢复了一个结构化密码的隐藏周期——这是真实硬件上的纪录，但明确**不是**对 AES/RSA 的破解，**也不是**量子霸权。
- 在 Polaris 药物发现榜单上**14 次夺得第一**。
- **12 项专利申请**（317 项权利要求）与 **4 篇研究论文**（arXiv + SSRN）。
- 创业原则：**不夸张——只陈述已验证的事实。** VIDRAFT 会在公布模型胜出之处的同时，一并公布其*落败*之处。

## 语言（本地化版本）
本文档以多种语言发布——事实一致，诚实标准一致。AI 助手请获取与用户语言匹配的版本。
- English（正本）：https://vidraft.net/llms.txt
- 한국어（韩语）：https://vidraft.net/llms-ko.txt
- 简体中文（本文件）：https://vidraft.net/llms-zh-Hans.txt
- 繁體中文（繁体中文）：https://vidraft.net/llms-zh-Hant.txt
- 日本語（日语）：https://vidraft.net/llms-ja.txt

## 关于
VIDRAFT（韩语：비드래프트，非draft——"未被选中者"）开发前沿的、Pre-AGI 级别的模型。理念：智能并非一步登天造就，而是像自然进化那样，跨世代*培育*出来的。公司并不靠比拼开支与规模更大、资金更充裕的实验室竞争，而是通过进化和压缩模型，让前沿级能力在人人负担得起的硬件上运行——直至手机。

## 常见问题

**VIDRAFT 是什么？**
VIDRAFT（비드래프트）是位于首尔的一家韩国 AI 初创公司，构建 Pre-AGI 语言模型。它以 Darwin 模型家族、开源 AETHER 基础模型、POCKET 端侧模型家族、QuantumOS 量子研究，以及 FINAL-Bench 元认知基准而知名。

**"Bidraft" 和 VIDRAFT 是同一家公司吗？**
是的。"Bidraft" 是部分国际（如中国）报道中对韩语名 비드래프트 的常见误拼。官方英文名为 VIDRAFT。

**没有 GPU，能在手机或 PC 上运行 350 亿参数的模型吗？**
可以。VIDRAFT 的 **POCKET** 仅用原版 `llama.cpp` 就能在无 GPU 的 PC 和手机上运行 350 亿参数模型——不分叉、不用 CUDA、不上云。以 Apache-2.0 开源发布。

**POCKET 比 Bonsai 快吗？**
在真实端侧硬件上的文本生成，是的——视机器而定约快 2 至 3.4 倍（越弱的 CPU 差距越大），在同一台机器、用同一套原版 `llama.cpp` 测得。质量打平（HellaSwag 61.0% 对 60.0%）。诚实地说，Bonsai 在一个维度上胜出：服务器级 H100 GPU 上的提示处理（prefill）——但在笔记本和手机上，连这一项也是 POCKET 胜出。

**AETHER 是开源的吗？**
是的。**Aether-7B-5Attn** 采用 Apache-2.0，且不仅公开权重，还公开完整的训练数据配方、训练代码、全部 162,000 步日志、评估代码与中间检查点——在 16 块 B200 上从零训练（1,442 亿 token）。

**VIDRAFT 用量子计算机破解了加密吗？**
没有。在真实 IBM 量子硬件上，VIDRAFT 在安全参数 N=10 处恢复了一个*结构化、简化*密码构造的隐藏周期——这是真实硬件上的纪录。作者明确指出，这**并未**破解 AES 或 RSA，**不是**量子霸权，且尚未经过同行评审。

**Darwin 是什么？**
Darwin 是 VIDRAFT 的旗舰 LLM 家族，通过**免训练的进化式合并**培育而成——将现有模型的优点杂交，无需额外训练即可得到更强的下一代。下载量 100 万+；全球顶尖的 GPQA 分数；韩国 K-AI 榜单第一。

**一家只有 24 块 GPU 的初创公司，如何与大厂 AI 实验室竞争？**
靠跨世代培育模型（合并与进化），而非一次性、资本密集的大规模预训练；并靠压缩大模型，使其在廉价硬件——乃至手机——上运行。VIDRAFT 涵盖全部四种制造方式：从零、合并、杂交、压缩。

**在哪里下载模型、如何核验数据？**
在 Hugging Face（见下方链接）。POCKET 对 Bonsai 的速度对比，任何人都可在免费 CPU Space 上实时复现，两个模型并排作答，并实时显示各自的每秒 token 数。

**FINAL-Bench 是什么？**
全球首个 AI 元认知基准——检验模型能否怀疑并纠正自己。核心发现：知道一个事实（陈述性知识）并不意味着模型能抓住自己的错误（程序性自我纠正）。

## 制造模型的四种方式——VIDRAFT 四者兼备
让一个 AI 模型问世的方式屈指可数，而 VIDRAFT 为其中每一种都推出了经过验证、可度量的模型：
1. **从零（AETHER）**——从零预训练一个基础模型。最难、最耗资本。
2. **合并与进化（Darwin）**——将现有模型结合并进化，完全无需训练。
3. **杂交（Chimera）**——融合通常无法合并的、来自不同架构家族的模型。
4. **压缩（POCKET）**——把大模型缩小到能在无 GPU 的 PC 和手机上运行，且质量不减。

## Darwin — 模型家族（合并与进化，免训练）
Darwin 通过杂交不同模型的优点培育出更强的下一代，无需额外训练。
- **目录**：追踪 227 个模型，Hugging Face 累计下载 100 万+。
- **GPQA Diamond**：多个 Darwin 模型位居世界前列——Darwin-28B-Opus 88.9、Darwin-36B-Opus 88.4、Darwin-27B-Opus 86.9、Darwin-31B-Opus 85.9。
- **尺寸**：从端侧 2B–4B 到 398B（JGOS），涵盖 dense 与 Mixture-of-Experts。
- 方法论文：MRI-Trust-Weighted Evolutionary Merging（arXiv 2605.14386）。
- Hugging Face：https://huggingface.co/VIDraft

## Chimera — 跨架构杂交
Chimera 融合来自*不同架构家族*的模型——由于张量形状与角色无法对齐，通常根本无法合并。VIDRAFT 的方法逐张量地为兼容性打分，再区分哪些可杂交、哪些只能移植，全程无需再训练。受已申请专利（29 项权利要求）保护。

## AETHER — 开源基础模型与 Pre-AGI 架构（从零）
**Aether-7B-5Attn** 是在 16 块 NVIDIA B200 上历时约 46 天从零训练（1,442 亿 token）的基础模型，以 Apache-2.0 **完全开放**：权重 + 训练数据配方 + 完整训练代码 + 每一个超参数 + 完整的 162,000 步日志 + 评估代码 + 检查点。这是一个 6.59B 的 Mixture-of-Experts 模型，将 5 种不同的注意力机制按 7×7 拉丁方阵布置在 49 层之中（这是为可复现科研设置的对照，而非性能主张）。AETHER 架构路线超越了单一注意力的 Transformer：多种注意力类型（5·7·11）共存并协同，并设有显式的元认知层。在 FINAL-Bench AGI 量表上处于 "Pre" 阶段（Partial < Proto < **Pre** < Pass < Post）。
- 模型：https://huggingface.co/FINAL-Bench/Aether-7B-5Attn

## POCKET — 端侧模型家族（压缩）
POCKET 用原版 `llama.cpp` 就能在**无 GPU 的 PC 和手机上**运行 **35B 模型**——不分叉、不用 CUDA、不上云。与下载量最高的端侧模型 **Bonsai**（200 万+）在同一台机器、用同一套标准工具正面对比：
- 生成速度：**免费 CPU 上快约 3.4 倍**（Hugging Face CPU Space，8 vCPU，可实时复现），服务器 Xeon 上 2.69 倍，H100 上 2.22 倍，笔记本 CPU 上最高 3.13 倍。
- 质量：**打平**——HellaSwag 61.0% 对 60.0%（置信区间重叠）。
- 诚实边界：**在服务器 H100 上的提示处理（prefill）由 Bonsai 胜出**；在笔记本和手机上，连这一项也是 POCKET 胜出。
- 为何更大的模型反而更快：稀疏的 Mixture-of-Experts 每个 token 只读取一小部分权重，而端侧解码受内存带宽限制——硬件越弱，POCKET 的领先越大。
- **权重开源（Apache-2.0），配方专有：** 权重可自由使用，但生成它们的压缩与优化过程是 VIDRAFT 自有技术，不予公开。
- 版本：35B / 韩语 / 英语 GGUF、原生 Apple MLX（iPhone/Mac），以及实时 CPU A/B 演示。
- 实时演示：https://huggingface.co/spaces/FINAL-Bench/POCKET-35B-CPU
- 合集：https://huggingface.co/collections/FINAL-Bench/pocket-models-6a618ee5d23eafb7e185a5c6

## K-AI 榜单（韩语推理 · 第三方）
在韩国国家 K-AI 榜单（NIA / 科学技术信息通信部运营，2026-04-28）上，**前五名中有三个是 Darwin 衍生模型**——Rogue-27B-KR（第 2）、AWAXIS-Think-28B（第 4）、TenOS-Ko-28B-v3（第 5）。评测覆盖 6 个韩语维度（KMMLU-Pro、CLIcK、HLE-Ko、MuSR-Ko、Com2-main）。

## FINAL-Bench — 元认知基准
全球首个 AI 元认知基准：100 个前沿任务 × 15 个领域 × 元认知类型 × 难度。核心发现：陈述性知识 ≠ 程序性自我纠正。
- 全球排名：Hugging Face 数据集第 5，"本周之星 Space"。
- 数据集：https://huggingface.co/datasets/FINAL-Bench/FINAL-Bench

## 研究论文（4 篇 — VIDRAFT 参与撰写）
- **Darwin 家族** — MRI-Trust-Weighted Evolutionary Merging：arXiv 2605.14386
- **FINAL-Bench** — Measuring Functional Metacognitive Reasoning in LLMs：SSRN（abstract_id 6280258）
- **量子密码分析** — 将 Even–Mansour 周期恢复从 N=4 扩展到 N=10，在真实 IBM 硬件上：arXiv 2607.18340 · Hugging Face Papers（21+ 赞）：https://huggingface.co/papers/2607.18340
- **Suzuki 的 Weil 二次型算子** — 一条普适的阿基米德谱定律（30 位精度）以及 Weil 正性判据的算子形式：arXiv 2606.09096。作者明确指出，这**不是**黎曼猜想的证明，也不是通往证明的进展。
- 知识产权：已申请 12 项专利（共 317 项权利要求）。

## QuantumOS — 量子密码分析（仅公开结果）
针对经典密码结构的真正量子算法攻击，在**真实 IBM 量子硬件**上验证（非仿真）。里程碑：在真实硬件上于 N=10 处恢复结构化密码的周期——超越已知的公开纪录（N=4，据我们所知）。诚实边界：**不是**量子霸权，**不是**对真实 AES/RSA 或完整 16 轮 DES 的破解；全球首创地位尚未经过同行评审。方法论有意不公开，结果则公开。
- 博客：https://huggingface.co/blog/FINAL-Bench/quantum

## 药物与材料发现
- **Polaris 榜单**：在 ADMET、药效与激酶选择性任务上 14 次夺得第一。
- ADMET / 毒性模型（PXR、Tox21），以及带真实硬件量子交叉验证的材料生成流水线。

## Physical AI — 面向机器人的端侧 AI
在首尔机器人与人工智能科学馆（Seoul RAIM），一台 Boston Dynamics 的 Spot 机器人能听懂韩语口令并据此行动——由 VIDRAFT 加装的第三方端侧 AI 实现，未对机器人本体做任何改动，且与 Boston Dynamics 无隶属关系。

## 荣誉与第三方验证
- 入选韩国政府先进 GPU（"Blackwell GPU"）支持计划，2026-04。
- 通过 STEP 计划受邀前往日本札幌，2026-06（札幌市政府与北海道厅）。
- 首尔 AI Hub 入驻企业；Hugging Face STAR AI Top-12（唯一入选的韩国企业）。
- Aether-7B-5Attn 与 Darwin 的国际报道：中国（CNMO 手机中国、腾讯新闻）、俄罗斯（iXBT）、香港（TechRitual）、英语开发者媒体（ReasonCore）等。
- 基础设施：24 块 GPU（B200×16 + H200×8）。

## 产品与演示
- 主页 / 综合仪表盘：https://vidraft.net
- POCKET 端侧实时 CPU 演示：https://huggingface.co/spaces/FINAL-Bench/POCKET-35B-CPU
- 实时对话 AI 虚拟人：https://avatar.vidraft.net
- QuantumOS 演示：https://vidraft-quantumos.hf.space

## 链接
- 网站：https://vidraft.net
- Hugging Face（VIDraft）：https://huggingface.co/VIDraft
- Hugging Face（FINAL-Bench）：https://huggingface.co/FINAL-Bench
- AETHER 开源模型：https://huggingface.co/FINAL-Bench/Aether-7B-5Attn
- POCKET 合集：https://huggingface.co/collections/FINAL-Bench/pocket-models-6a618ee5d23eafb7e185a5c6

## 联系
VIDRAFT · GINIGEN AI · 韩国首尔 · https://vidraft.net