欧洲 AI 第一次摸到了全球第一梯队的门槛。Multiverse Computing 发布了公司历史上第一个大模型 Quasar 438B——一个 4380 亿参数的推理模型,主打企业级 Agent 和编码场景,支持英语和西班牙语。在 Artificial Analysis 智能指数 v4.1.1 上,它拿到 43 分,官方称之为欧洲模型的最高成绩;在 AA 收录的全部 178 个模型里,这个分数排到第 13 位。
43 分,放在全球是什么位置
v4.1.1 指数由九项评测组成:GDPval-AA v2、τ³-Banking、Terminal-Bench v2.1、SciCode、Humanity's Last Exam、GPQA Diamond、CritPt、AA-Omniscience 和 AA-LCR。
放在欧洲同行里看,43 分比 Mistral Medium 3.5 的 30 分高出 13 分;比 NVIDIA Nemotron 3 Ultra 的 38 分高 5 分——而后者参数量还多出 1120 亿;也比 Inkling 的 42 分高 1 分。梯队顶端是 Claude Opus 5 的 63 分,Quasar 与前沿的差距仍然清晰,但"欧洲第一"的位置有了数据支撑。AA 自己的口径也印证了分数含金量:同档推理模型的中位数只有 18 分。
速度是第二个卖点
Quasar 输出 500 个 token(含思考时间)只要 15.3 秒。官方对比中只有三个模型更快:Nemotron 3.5 Lightning(9.4 秒,指数 24)、Gemini 3.5 Flash-Lite(10.8 秒,指数 37)、Gemini 3.7 Flash(11.5 秒,指数 56)——真正又快又强的只有最后一个。反过来看,Mistral Medium 3.5 跑同样的回复要 18.8 秒,Inkling 要 48.3 秒,超过 Quasar 的两倍。
长上下文是它最接近前沿组的地方:AA-LCR 拿到 75.0,与 Grok 4.6 (high) 持平,距 Claude Opus 5 的 75.7 只差 0.7,也只落后 Qwen3.8 2.4T A95B 的 75.3 零点几分。短板同样明显——Terminal-Bench v2.1 的 69.3 分落后 Opus 5 的 89.1 分近 20 分,官方也承认这是余量最大的一项,下一轮工作会优先补这里。
独立数据揭示了另一面
Artificial Analysis 的独立评测页给出了官方通稿没强调的数字。输出速度 176.2 token/秒(中位数 105.2),首 token 延迟 1.06 秒(中位数 2.05 秒),1M token 上下文,2026 年 8 月 10 日上线——性能确实过关。
但价格和冗长度都站在贵的一侧:输入 $0.60/百万 token、输出 $1.80/百万 token,分别是同档中位数($0.25/$0.90)的 2.4 倍和 2 倍。更扎眼的是 token 用量:跑完整个智能指数,Quasar 输出了 3.5 亿个 token,是中位数 6700 万的五倍多;AA 为此花了 $1047.71 的评测成本。推理模型的"长思考"在它身上格外突出。另外,它是专有模型,权重不开放,只能通过 API 使用。
怎么看
Multiverse Computing 此前的立足点是"让 AI 更高效、更可部署",Quasar 是这套方法论第一次被推进 400B+ 参数量级:多步任务要规划、用工具、跑代码、扛长上下文,同时把延迟压到能塞进交互式产品而非批处理作业的水平。模型通过自家的 CompactifAI API 提供,团队不用先搭基础设施就能直接测试。
对欧洲来说,这至少证明了一件事:在 Mistral 之后,欧洲模型第一次有了进入全球前 15 的选项。但 Quasar 的账本也提醒买家——分数只是入场券,按 token 计费的世界里,冗长度直接决定月底账单。43 分很好,3.5 亿 token 的思考量,才是采购时要算的第二笔账。
原文: https://multiversecomputing.com/resources/introducing-quasar-438b-europe-s-leading-ai-model ;独立数据: https://artificialanalysis.ai/models/quasar-438b