Deep Cogito rejser $43 million Serie A for at bygge post‑træningsmotoren til selvforbedrende AI

Deep Cogito har rejst en Serie A på $43 millioner, mens AI‑laboratoriet i San Francisco ser på at skalere en stadigt vigtigere del af kunstig intelligens‑stakken: hvad der sker, efter en grundlæggende model allerede er fortrænet.

Runden blev ledet af TQ Ventures, med deltagelse fra Benchmark, Nexus Venture Partners, Atreides Management, South Park Commons og cloud‑sikkerhedsfirmaet Zscaler, som både er kunde og strategisk investor. Finansieringen bringer Deep Cogitos samlede kapital til over $56 millioner.

Grundlagt af Drishan Arora og Dhruv Malrana, som tidligere arbejdede på Googles AI‑søgeprodukter inklusive AI Mode og AI Overviews, satser Deep Cogito på, at fremtidige fremskridt inden for AI‑intelligens i stigende grad vil komme fra bedre læringsalgoritmer og post‑træning snarere end blot at gøre fortræningskørsler større.

That puts the company in a different part of the AI race from labs primarily focused on building ever-larger foundation models from scratch. Det placerer virksomheden i en anden del af AI‑kapløbet end laboratorier, der primært fokuserer på at bygge stadig større grundlæggende modeller fra bunden.

Hvorfor Deep Cogito satser på post‑træning

Fortræning er ansvarlig for at give en stor sprogmodel sin brede vidensbase ved at udsætte den for enorme datamængder. Post‑træning former derefter, hvordan modellen opfører sig, ræsonnerer, følger instruktioner, bruger værktøjer og udfører specifikke opgaver.

Deep Cogitos tese er, at dette andet trin har betydeligt mere plads til at udvikle sig.

Virksomhedens forskning fokuserer på stor‑skala forstærkningslæring og metoder, der gør det muligt for modeller løbende at forbedre deres egne evner. I stedet for at betragte en fortrænet model som et stort set færdigt produkt, der kun behøver yderligere justering, ser Deep Cogito den som et udgangspunkt, hvis underliggende kapaciteter kan fortsætte med at blive udviklet.

Arora opsummerede forskellen ved at annoncere runden: “Fortræning giver en model en enorm mængde viden og kapacitet. Post‑træning bestemmer, hvad den model faktisk kan blive.”

This is particularly relevant as the economics of simply scaling pre-training become more demanding. Training frontier foundation models requires enormous datasets, GPU clusters, power infrastructure, and capital. A sufficiently effective post-training system could potentially extract substantially more intelligence from an existing model without repeating that entire process. Dette er især relevant, da økonomien ved blot at skalere fortræning bliver mere krævende. Træning af frontier‑grundmodeller kræver enorme datasæt, GPU‑klynger, strømforsyning og kapital. Et tilstrækkeligt effektivt post‑træningssystem kunne potentielt udvinde væsentligt mere intelligens fra en eksisterende model uden at gentage hele processen.

At gøre dyr ræsonnement til bedre intuition

At the center of Deep Cogito’s research is Iterated Distillation and Amplification (IDA), an approach the company introduced publicly with its first Cogito model family. I centrum af Deep Cogitos forskning står Iterated Distillation and Amplification (IDA), en tilgang som virksomheden offentligt introducerede med sin første Cogito-modelfamilie.

Konceptet er relativt enkelt, selvom implementeringen i stor skala ikke er det.

Under forstærkningsfasen får en model yderligere beregning og teknikker, der gør det muligt for den at nå et stærkere svar, end den umiddelbart ville generere. Den opnåede forbedring destilleres derefter tilbage i modellens parametre. Den opgraderede model bliver udgangspunktet for en ny iteration.

I stedet for at kræve, at modellen udfører en stadigt længere ræsonneringsproces hver gang den møder et svært spørgsmål, er målet gradvist at internalisere noget af det, den lærte under de mere beregningsmæssigt dyre ræsonneringstrin.

Deep Cogito beskriver dette som at forbedre en models “intuition”.

The distinction could become important for inference economics. Long reasoning chains can improve accuracy, but they also increase token consumption, latency, and cost. A model that has internalized better reasoning trajectories may be able to reach similar conclusions with less inference-time computation. Skelnen kan blive vigtig for økonomien ved inferens. Lange ræsonneringskæder kan forbedre nøjagtigheden, men de øger også token‑forbrug, latenstid og omkostninger. En model, der har internaliseret bedre ræsonneringsforløb, kan muligvis nå lignende konklusioner med mindre beregningstid under inferens.

Cogito-modeller giver en offentlig test af tilgangen

Deep Cogito har brugt sin Cogito-familie af open‑weight‑modeller som en testplatform for disse teknikker.

De første udgivelser spænder fra 3 milliarder til 70 milliarder parametre, før virksomheden udvidede familien med 70B, 109B mixture‑of‑experts (MoE), 405B og 671B MoE‑modeller.

Med Cogito v2 rapporterede virksomheden, at dens 671B‑model producerede ræsonneringskæder cirka 60 % kortere end DeepSeek R1 0528, samtidig med at den forblev konkurrencedygtig på flere evalueringer. Deep Cogito oplyste også, at den samlede træningsomkostning for otte Cogito‑modeller fra 3B til 671B var under $3,5 millioner, selvom benchmark‑præstationer og træningsomkostningssammenligninger ikke nødvendigvis omsættes direkte til produktionsøkonomi.

Virksomheden fortsatte med at forfine systemet med Cogito v2.1 671B, som bruger en open‑licensed DeepSeek‑basismodel, som Deep Cogito derefter post‑træner internt. Dens v2.1‑forskningsudgivelse angiver, at modellen anvender proces‑supervision under ræsonnement, med træning designet til at forbedre modellens evne til at identificere produktive ræsonneringsveje frem for blot at opmuntre den til at ræsonnere længere.

This progression is important to Deep Cogito’s broader argument. The company does not need to prove that it can pre-train a better foundation model than the largest AI labs. It needs to demonstrate that its post-training process can consistently turn strong existing models into more capable ones. Denne udvikling er vigtig for Deep Cogitos bredere argument. Virksomheden behøver ikke bevise, at den kan fortræne en bedre grundmodel end de største AI‑laboratorier. Den skal demonstrere, at dens post‑træningsproces konsekvent kan omdanne stærke eksisterende modeller til mere kapable.

Zscaler peger på erhvervsmuligheden

The other side of the business is taking those post-training techniques beyond publicly released Cogito models and applying them to enterprise AI. Den anden side af forretningen er at tage disse post‑træningsteknikker ud over de offentligt udgivne Cogito‑modeller og anvende dem på enterprise‑AI.

I stedet for udelukkende at stole på en generel frontier‑model, kan virksomheder potentielt træne specialiserede modeller omkring deres proprietære data, arbejdsprocesser, evalueringskriterier og ønskede resultater.

Det kan gå betydeligt dybere end retrieval‑augmented generation (RAG), som typisk giver en generel model adgang til ekstern virksomhedsinformation under inferens. Deep Cogitos tilgang har til formål at ændre selve modellen ved at træne domænespecifikke evner ind i dens vægte.

Zscaler giver et tidligt eksempel. Cybersecurity‑firmaet startede som kunde hos Deep Cogito, før de deltog i Serie A. De to virksomheder har også samarbejdet om specialiseret sikkerhedsintelligens, hvor Deep Cogito argumenterer for, at sikkerhedsapplikationer kan drage fordel af modeller, der er post‑trænet på en organisations egne sikkerhedsdata og resultater.

The broader enterprise proposition is about both specialization and control. The Wall Street Journals dækning af finansieringen bemærker, at Deep Cogito positionerer sin teknologi omkring modeller, som virksomheder kan træne og eje ved brug af proprietære data, i stedet for at forblive fuldstændigt afhængige af lukkede frontier‑systemer. Den bredere enterprise‑proposition handler både om specialisering og kontrol. Wall Street Journals dækning af finansieringen bemærker, at Deep Cogito positionerer sin teknologi omkring modeller, som virksomheder kan træne og eje ved brug af proprietære data, i stedet for at forblive fuldstændigt afhængige af lukkede frontier‑systemer.

Hvad de $43 millioner fra Serie A vil finansiere

Deep Cogito planlægger at bruge Serie A til at udvide sin forsknings‑ og ingeniørorganisation, øge den computermæssige infrastruktur tilgængelig for stor‑skala træning, udvikle fremtidige Cogito‑modeller og samarbejde med flere virksomheder, der søger specialiserede modeller.

Infrastruktur vil sandsynligvis udgøre en særlig vigtig del af denne udvidelse. Deep Cogitos egne rekrutteringsmaterialer beskriver forskere, der arbejder med nye forstærkningslæringsalgoritmer, datapipelines, evaluering og distribueret infrastruktur, mens de træner modeller med over 400 milliarder parametre.

The financing therefore gives the company considerably more capacity to test whether the improvements demonstrated through its early models continue as it applies more computation and runs more iterations of its post-training process. Finansieringen giver derfor virksomheden betydeligt mere kapacitet til at teste, om de forbedringer, der er demonstreret gennem de tidlige modeller, fortsætter, når den anvender mere beregning og kører flere iterationer af sin post‑træningsproces.

Den større implikation: AI, der lærer af sin egen ræsonnement

The larger significance of Deep Cogito’s work is the possibility that AI development could shift from systems trained mostly on human-generated data toward models that increasingly generate, evaluate, and internalize their own improvements. Den større betydning af Deep Cogitos arbejde er muligheden for, at AI‑udvikling kan skifte fra systemer, der primært er trænet på menneskeskabt data, til modeller, der i stigende grad genererer, evaluerer og internaliserer deres egne forbedringer.

Tilgange som Iterated Distillation and Amplification har til formål at omdanne dyrt ræsonnement til varig kapacitet. En model kan bruge ekstra beregning til at løse sværere problemer og derefter destillere disse gevinster tilbage i sine vægte, hvilket skaber et stærkere udgangspunkt for den næste træningscyklus.

Over tid kunne dette skabe en udviklingsløkke af ræsonnere, evaluere, lære og forbedre.

Der er stadig et stort hul mellem iterativ post‑træning og sand rekursiv selvforbedring. Modeller har brug for pålidelige evalueringer, omhyggeligt designede mål og sikkerhedsforanstaltninger mod at forstærke fejl. Men selv begrænsede versioner af denne tilgang kunne reducere afhængigheden af stadigt større fortræningskørsler og gøre specialiseret AI, trænet på proprietære enterprise‑data, mere praktisk.

Hvis den udvikling fortsætter, kan konkurrencemæssig fordel inden for AI afhænge mindre eksklusivt af, hvem der har de største compute‑klynger, og mere af, hvis modeller er bedst til at lære af deres egen erfaring.