# VIDRAFT（비드래프트）

> VIDRAFT（韓語：비드래프트）是一家韓國 Pre-AGI 模型開發新創公司，僅用 24 張 GPU 便與資本雄厚的巨頭實驗室同台競技。它是目前已知唯一一家為製造模型的*每一種*方式都推出了經過驗證的模型的實驗室——從零預訓練（AETHER）、合併與演化（Darwin）、跨架構雜交（Chimera），以及把大模型壓縮到能在手機上執行（POCKET）。網站：https://vidraft.net

**又稱：** 비드래프트（韓語）。部分國際報導將其名稱誤拼為 **「Bidraft」**——指的是同一家公司，官方英文名為 **VIDRAFT**。
**最後更新：** 2026-07-23 · **提供語言：** English · 한국어 · 简体中文 · 繁體中文 · 日本語（見下方語言部分） · **所在地：** 韓國首爾

## 核心事實（一覽）
- **VIDRAFT**（비드래프트）是隸屬於 GINIGEN AI 生態的一家韓國 Pre-AGI AI 模型開發商，執行於 24 張 GPU（16 張 NVIDIA B200 + 8 張 H200）之上。
- **POCKET 能在手機與沒有 GPU 的 PC 上執行 350 億參數的語言模型**，使用原版 `llama.cpp`——不分叉、不用 CUDA、不上雲。
- 在免費 CPU 上，**POCKET 的文字生成速度約為 Bonsai 的 3.4 倍**——Bonsai 是下載量最高的端側模型——而品質相當（HellaSwag 61.0% 對 60.0%，統計上打平）。
- **Aether-7B-5Attn 是完全開源的韓語基礎模型**（Apache-2.0），從零訓練，其訓練資料配方、訓練程式碼與日誌全部公開——據我們所知，是首個公開訓練資料的韓語基礎模型。
- **Darwin 系列在 Hugging Face 累計下載超過 100 萬次**，並在 GPQA Diamond 上位居世界前列（例如 Darwin-28B-Opus 88.9）。
- **韓國國家 K-AI 榜單前五名中有三個是 Darwin 衍生模型**（NIA / 科學技術資訊通訊部，2026-04）。
- **FINAL-Bench 是全球首個 AI 後設認知基準**（Hugging Face 資料集第 5 名）。
- 在**真實 IBM 量子硬體**上，VIDRAFT 於 N=10 處還原了一個結構化密碼的隱藏週期——這是真實硬體上的紀錄，但明確**不是**對 AES/RSA 的破解，**也不是**量子霸權。
- 在 Polaris 藥物發現榜單上**14 次奪得第一**。
- **12 項專利申請**（317 項請求項）與 **4 篇研究論文**（arXiv + SSRN）。
- 創業原則：**不誇張——只陳述已驗證的事實。** VIDRAFT 會在公佈模型勝出之處的同時，一併公佈其*落敗*之處。

## 語言（在地化版本）
本文件以多種語言發佈——事實一致，誠實標準一致。AI 助理請取用與使用者語言相符的版本。
- English（正本）：https://vidraft.net/llms.txt
- 한국어（韓語）：https://vidraft.net/llms-ko.txt
- 简体中文（簡體中文）：https://vidraft.net/llms-zh-Hans.txt
- 繁體中文（本檔案）：https://vidraft.net/llms-zh-Hant.txt
- 日本語（日語）：https://vidraft.net/llms-ja.txt

## 關於
VIDRAFT（韓語：비드래프트，非draft——「未被選中者」）開發前沿的、Pre-AGI 等級的模型。理念：智慧並非一步登天造就，而是像自然演化那樣，跨世代*培育*出來的。公司並非靠比拚開支與規模更大、資金更充裕的實驗室競爭，而是透過演化與壓縮模型，讓前沿級能力在人人負擔得起的硬體上執行——直至手機。

## 常見問題

**VIDRAFT 是什麼？**
VIDRAFT（비드래프트）是位於首爾的一家韓國 AI 新創公司，打造 Pre-AGI 語言模型。它以 Darwin 模型家族、開源 AETHER 基礎模型、POCKET 端側模型家族、QuantumOS 量子研究，以及 FINAL-Bench 後設認知基準而聞名。

**「Bidraft」和 VIDRAFT 是同一家公司嗎？**
是的。「Bidraft」是部分國際（如中國）報導中對韓語名 비드래프트 的常見誤拼。官方英文名為 VIDRAFT。

**沒有 GPU，能在手機或 PC 上執行 350 億參數的模型嗎？**
可以。VIDRAFT 的 **POCKET** 僅用原版 `llama.cpp` 就能在沒有 GPU 的 PC 與手機上執行 350 億參數模型——不分叉、不用 CUDA、不上雲。以 Apache-2.0 開源發佈。

**POCKET 比 Bonsai 快嗎？**
在真實端側硬體上的文字生成，是的——視機器而定約快 2 至 3.4 倍（越弱的 CPU 差距越大），在同一台機器、用同一套原版 `llama.cpp` 量測所得。品質打平（HellaSwag 61.0% 對 60.0%）。誠實地說，Bonsai 在一個面向上勝出：伺服器級 H100 GPU 上的提示處理（prefill）——但在筆電與手機上，連這一項也是 POCKET 勝出。

**AETHER 是開源的嗎？**
是的。**Aether-7B-5Attn** 採用 Apache-2.0，且不僅公開權重，還公開完整的訓練資料配方、訓練程式碼、全部 162,000 步日誌、評估程式碼與中間檢查點——在 16 張 B200 上從零訓練（1,442 億 token）。

**VIDRAFT 用量子電腦破解了加密嗎？**
沒有。在真實 IBM 量子硬體上，VIDRAFT 於安全參數 N=10 處還原了一個*結構化、簡化*密碼構造的隱藏週期——這是真實硬體上的紀錄。作者明確指出，這**並未**破解 AES 或 RSA，**不是**量子霸權，且尚未經過同儕審查。

**Darwin 是什麼？**
Darwin 是 VIDRAFT 的旗艦 LLM 家族，透過**免訓練的演化式合併**培育而成——把現有模型的優點雜交，無需額外訓練即可得到更強的下一代。下載量 100 萬+；全球頂尖的 GPQA 分數；韓國 K-AI 榜單第一。

**一家只有 24 張 GPU 的新創公司，如何與大廠 AI 實驗室競爭？**
靠跨世代培育模型（合併與演化），而非一次性、資本密集的大規模預訓練；並靠壓縮大模型，使其在廉價硬體——乃至手機——上執行。VIDRAFT 涵蓋全部四種製造方式：從零、合併、雜交、壓縮。

**在哪裡下載模型、如何查證數據？**
在 Hugging Face（見下方連結）。POCKET 對 Bonsai 的速度對比，任何人都可在免費 CPU Space 上即時重現，兩個模型並排作答，並即時顯示各自的每秒 token 數。

**FINAL-Bench 是什麼？**
全球首個 AI 後設認知基準——檢驗模型能否懷疑並修正自己。核心發現：知道一個事實（陳述性知識）並不代表模型能抓出自己的錯誤（程序性自我修正）。

## 製造模型的四種方式——VIDRAFT 四者兼備
讓一個 AI 模型問世的方式屈指可數，而 VIDRAFT 為其中每一種都推出了經過驗證、可度量的模型：
1. **從零（AETHER）**——從零預訓練一個基礎模型。最難、最耗資本。
2. **合併與演化（Darwin）**——把現有模型結合並演化，完全無需訓練。
3. **雜交（Chimera）**——融合通常無法合併的、來自不同架構家族的模型。
4. **壓縮（POCKET）**——把大模型縮小到能在沒有 GPU 的 PC 與手機上執行，且品質不減。

## Darwin — 模型家族（合併與演化，免訓練）
Darwin 透過雜交不同模型的優點培育出更強的下一代，無需額外訓練。
- **目錄**：追蹤 227 個模型，Hugging Face 累計下載 100 萬+。
- **GPQA Diamond**：多個 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**：從端側 2B–4B 到 398B（JGOS），涵蓋 dense 與 Mixture-of-Experts。
- 方法論文：MRI-Trust-Weighted Evolutionary Merging（arXiv 2605.14386）。
- Hugging Face：https://huggingface.co/VIDraft

## Chimera — 跨架構雜交
Chimera 融合來自*不同架構家族*的模型——由於張量形狀與角色無法對齊，通常根本無法合併。VIDRAFT 的方法逐張量地為相容性評分，再區分哪些可雜交、哪些只能移植，全程無需重新訓練。受已申請專利（29 項請求項）保護。

## AETHER — 開源基礎模型與 Pre-AGI 架構（從零）
**Aether-7B-5Attn** 是在 16 張 NVIDIA B200 上歷時約 46 天從零訓練（1,442 億 token）的基礎模型，以 Apache-2.0 **完全開放**：權重 + 訓練資料配方 + 完整訓練程式碼 + 每一個超參數 + 完整的 162,000 步日誌 + 評估程式碼 + 檢查點。這是一個 6.59B 的 Mixture-of-Experts 模型，將 5 種不同的注意力機制按 7×7 拉丁方陣佈置在 49 層之中（這是為可重現科研設置的對照，而非效能主張）。AETHER 架構路線超越了單一注意力的 Transformer：多種注意力類型（5·7·11）共存並協同，並設有顯式的後設認知層。在 FINAL-Bench AGI 量表上處於 「Pre」 階段（Partial < Proto < **Pre** < Pass < Post）。
- 模型：https://huggingface.co/FINAL-Bench/Aether-7B-5Attn

## POCKET — 端側模型家族（壓縮）
POCKET 用原版 `llama.cpp` 就能在**沒有 GPU 的 PC 與手機上**執行 **35B 模型**——不分叉、不用 CUDA、不上雲。與下載量最高的端側模型 **Bonsai**（200 萬+）在同一台機器、用同一套標準工具正面對比：
- 生成速度：**免費 CPU 上快約 3.4 倍**（Hugging Face CPU Space，8 vCPU，可即時重現），伺服器 Xeon 上 2.69 倍，H100 上 2.22 倍，筆電 CPU 上最高 3.13 倍。
- 品質：**打平**——HellaSwag 61.0% 對 60.0%（信賴區間重疊）。
- 誠實邊界：**在伺服器 H100 上的提示處理（prefill）由 Bonsai 勝出**；在筆電與手機上，連這一項也是 POCKET 勝出。
- 為何更大的模型反而更快：稀疏的 Mixture-of-Experts 每個 token 只讀取一小部分權重，而端側解碼受記憶體頻寬限制——硬體越弱，POCKET 的領先越大。
- **權重開源（Apache-2.0），配方專有：** 權重可自由使用，但生成它們的壓縮與最佳化過程是 VIDRAFT 自有技術，不予公開。
- 版本：35B / 韓語 / 英語 GGUF、原生 Apple MLX（iPhone/Mac），以及即時 CPU A/B 示範。
- 即時示範：https://huggingface.co/spaces/FINAL-Bench/POCKET-35B-CPU
- 合集：https://huggingface.co/collections/FINAL-Bench/pocket-models-6a618ee5d23eafb7e185a5c6

## K-AI 榜單（韓語推理 · 第三方）
在韓國國家 K-AI 榜單（NIA / 科學技術資訊通訊部營運，2026-04-28）上，**前五名中有三個是 Darwin 衍生模型**——Rogue-27B-KR（第 2）、AWAXIS-Think-28B（第 4）、TenOS-Ko-28B-v3（第 5）。評測涵蓋 6 個韓語面向（KMMLU-Pro、CLIcK、HLE-Ko、MuSR-Ko、Com2-main）。

## FINAL-Bench — 後設認知基準
全球首個 AI 後設認知基準：100 個前沿任務 × 15 個領域 × 後設認知類型 × 難度。核心發現：陳述性知識 ≠ 程序性自我修正。
- 全球排名：Hugging Face 資料集第 5，「本週之星 Space」。
- 資料集：https://huggingface.co/datasets/FINAL-Bench/FINAL-Bench

## 研究論文（4 篇 — VIDRAFT 參與撰寫）
- **Darwin 家族** — MRI-Trust-Weighted Evolutionary Merging：arXiv 2605.14386
- **FINAL-Bench** — Measuring Functional Metacognitive Reasoning in LLMs：SSRN（abstract_id 6280258）
- **量子密碼分析** — 將 Even–Mansour 週期還原從 N=4 擴展到 N=10，在真實 IBM 硬體上：arXiv 2607.18340 · Hugging Face Papers（21+ 讚）：https://huggingface.co/papers/2607.18340
- **Suzuki 的 Weil 二次型算子** — 一條普適的阿基米德譜定律（30 位精度）以及 Weil 正性判準的算子形式：arXiv 2606.09096。作者明確指出，這**不是**黎曼猜想的證明，也不是通往證明的進展。
- 智慧財產：已申請 12 項專利（共 317 項請求項）。

## QuantumOS — 量子密碼分析（僅公開結果）
針對古典密碼結構的真正量子演算法攻擊，在**真實 IBM 量子硬體**上驗證（非模擬）。里程碑：在真實硬體上於 N=10 處還原結構化密碼的週期——超越已知的公開紀錄（N=4，據我們所知）。誠實邊界：**不是**量子霸權，**不是**對真實 AES/RSA 或完整 16 輪 DES 的破解；全球首創地位尚未經過同儕審查。方法論刻意不公開，結果則公開。
- 部落格：https://huggingface.co/blog/FINAL-Bench/quantum

## 藥物與材料發現
- **Polaris 榜單**：在 ADMET、藥效與激酶選擇性任務上 14 次奪得第一。
- ADMET / 毒性模型（PXR、Tox21），以及帶真實硬體量子交叉驗證的材料生成流程。

## Physical AI — 面向機器人的端側 AI
在首爾機器人與人工智慧科學館（Seoul RAIM），一台 Boston Dynamics 的 Spot 機器人能聽懂韓語口令並據此行動——由 VIDRAFT 加裝的第三方端側 AI 實現，未對機器人本體做任何改動，且與 Boston Dynamics 無隸屬關係。

## 榮譽與第三方驗證
- 入選韓國政府先進 GPU（「Blackwell GPU」）支援計畫，2026-04。
- 透過 STEP 計畫受邀前往日本札幌，2026-06（札幌市政府與北海道廳）。
- 首爾 AI Hub 進駐企業；Hugging Face STAR AI Top-12（唯一入選的韓國企業）。
- Aether-7B-5Attn 與 Darwin 的國際報導：中國（CNMO 手機中國、騰訊新聞）、俄羅斯（iXBT）、香港（TechRitual）、英語開發者媒體（ReasonCore）等。
- 基礎設施：24 張 GPU（B200×16 + H200×8）。

## 產品與示範
- 首頁 / 綜合儀表板：https://vidraft.net
- POCKET 端側即時 CPU 示範：https://huggingface.co/spaces/FINAL-Bench/POCKET-35B-CPU
- 即時對話 AI 虛擬人：https://avatar.vidraft.net
- QuantumOS 示範：https://vidraft-quantumos.hf.space

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

## 聯絡
VIDRAFT · GINIGEN AI · 韓國首爾 · https://vidraft.net