Deep Cogito keräsi $43M Series A -rahoituksen rakentaakseen jälkitreenimoottorin itseparantavalle tekoälylle

Deep Cogito on kerännyt $43 miljoonan dollarin Series A -rahoituksen, kun San Franciscon AI‑laboratorio pyrkii laajentamaan yhä tärkeämpää osaa tekoälypinosta: mitä tapahtuu, kun perustavanlaatuinen malli on jo esikoulutettu.

Rahoituskierrosta johti TQ Ventures, ja siihen osallistui Benchmark, Nexus Venture Partners, Atreides Management, South Park Commons sekä pilvisuojausyritys Zscaler, joka on sekä asiakas että strateginen sijoittaja. Rahoitus nostaa Deep Cogito:n kokonaisrahoituksen yli $56 miljoonaan.

Deep Cogito:n perustivat Drishan Arora ja Dhruv Malrana, jotka olivat aiemmin työskennelleet Googlen AI‑Search‑tuotteiden, kuten AI Mode ja AI Overviews, parissa. Deep Cogito uskoo, että tulevat edistysaskeleet tekoälyälyssä tulevat yhä enemmän paremmista oppimisalgoritmeista ja jälkitreenistä sen sijaan, että pelkästään kasvatettaisiin esikoulutuksen mittakaavaa.

Tämä asettaa yrityksen eri osaan AI‑kilpailua kuin laboratoriot, jotka keskittyvät ensisijaisesti rakentamaan yhä suurempia perustavanlaatuisia malleja alusta alkaen.

Miksi Deep Cogito panostaa jälkitreeniin

Esikoulutus on vastuussa siitä, että suuri kielimalli saa laajan tietopohjan altistamalla se valtaville tietomäärille. Jälkitreeni puolestaan muokkaa, miten malli käyttäytyy, päättää, noudattaa ohjeita, käyttää työkaluja ja suorittaa tiettyjä tehtäviä.

Deep Cogito:n väite on, että tällä toisella vaiheella on huomattavasti enemmän kehittymisen tilaa.

Yrityksen tutkimus keskittyy laajamittaiseen vahvistusoppimiseen ja menetelmiin, jotka mahdollistavat mallien asteittaisen omien kykyjensä parantamisen. Sen sijaan, että esikoulutettua mallia pidettäisiin lähes valmiina tuotteena, joka tarvitsee vain lisäsäätöä, Deep Cogito näkee sen lähtökohtana, jonka peruskykyjä voidaan edelleen kehittää.

Arora tiivisti eron rahoituskierroksen julkistuksessa: “Esikoulutus antaa mallille valtavan määrän tietoa ja kyvykkyyttä. Jälkitreeni määrittää, mihin mallista siitä oikeasti voi tulla.”

Tämä on erityisen merkityksellistä, kun esikoulutuksen skaalaamisen talous on yhä vaativampaa. Huippuluokan perustavanlaatuisten mallien kouluttaminen vaatii valtavia tietoaineistoja, GPU‑klustereita, energian infrastruktuuria ja pääomaa. Riittävän tehokas jälkitreeni‑järjestelmä voisi mahdollisesti poimia merkittävästi enemmän älykkyyttä olemassa olevasta mallista toistamatta koko prosessia.

Kalliiden päättelyketjujen muuttaminen paremmaksi intuitioksi

Deep Cogito:n tutkimuksen ytimessä on Iterated Distillation and Amplification (IDA), lähestymistapa, jonka yritys esitteli julkisesti ensimmäisellä Cogito‑malliperheellään.

Käsite on melko suoraviivainen, vaikka sen toteuttaminen mittakaavassa ei ole.

Vahvistusvaiheessa mallille annetaan lisälaskentaa ja -tekniikoita, joiden avulla se voi saavuttaa vahvemman vastauksen kuin se heti tuottaisi. Tuloksena oleva parannus tiivistetään takaisin mallin parametreihin. Tämä päivitetty malli toimii lähtökohtana seuraavalle iteraatiolle.

Sen sijaan, että mallia vaadittaisiin suorittamaan yhä pidempiä päättelyprosesseja jokaisella vaikean kysymyksen kohtaamisella, tavoitteena on vähitellen sisäistää osa siitä, mitä se oppi näissä laskennallisesti kalliimmissa päättelyvaiheissa.

Deep Cogito kuvaa tätä mallin “intuitiivisuuden” parantamisena.

Ero voi olla tärkeä inferenssin taloudellisuudessa. Pitkät päättelyketjut voivat parantaa tarkkuutta, mutta ne myös lisäävät token‑kulutusta, viivettä ja kustannuksia. Malli, joka on sisäistänyt parempia päättelypolkuja, saattaa saavuttaa samat johtopäätökset vähemmällä inferenssiaikaisella laskennalla.

Cogito-mallit tarjoavat julkisen testin lähestymistavalle

Deep Cogito on käyttänyt Cogito‑perhettään avoimen painon malleja näiden tekniikoiden testialustana.

Sen alkuperäiset julkaisut vaihtelivat 3 miljardiin – 70 miljardiin parametreja, ennen kuin yritys laajensi perhettä 70 B, 109 B mixture‑of‑experts (MoE), 405 B ja 671 B MoE -malleilla.

Cogito v2:n kanssa yritys raportoi, että sen 671 B malli tuotti päättelyketjuja noin 60 % lyhyempiä kuin DeepSeek R1 0528, mutta pysyi kilpailukykyisenä useissa arvioinneissa. Deep Cogito myös kertoi käyttäneensä alle $3.5 miljoonaa dollaria kahdeksan Cogito‑mallin kouluttamiseen, jotka vaihtelivat 3 B‑671 B välillä, vaikka vertailuarvojen suorituskyky ja koulutuskustannusvertailut eivät välttämättä suoraan käänny tuotantotalouteen.

Yritys jatkoi järjestelmän hiomista Cogito v2.1 671B:llä, joka käyttää avoimen lisenssin omaavaa DeepSeek‑perusmallia, jonka Deep Cogito sitten jälkitreenaa sisäisesti. Sen v2.1‑tutkimusjulkaisu kertoo, että malli käyttää prosessivalvontaa päättelyn aikana, ja koulutus on suunniteltu parantamaan mallin kykyä tunnistaa tuottavia päättelypolkuja sen sijaan, että sitä vain kannustettaisiin päättelyyn pidempään.

Tämä kehitys on tärkeä Deep Cogito:n laajemmalle argumentille. Yrityksen ei tarvitse todistaa, että se pystyy esikouluttamaan paremman perustavanlaatuisen mallin kuin suurimmat AI‑laboratoriot. Sen täytyy osoittaa, että sen jälkitreeni‑prosessi pystyy johdonmukaisesti muuntamaan vahvoja olemassa olevia malleja kykenevämmiksi.

Zscaler osoittaa yritysmahdollisuuden

Liiketoiminnan toinen puoli vie nämä jälkitreeni‑tekniikat julkisesti julkaistujen Cogito‑mallien ulkopuolelle ja soveltaa niitä yritys‑tekoälyyn.

Sen sijaan, että luotettaisiin yksinomaan yleiskäyttöiseen huippumalliin, yritykset voivat mahdollisesti kouluttaa erikoistuneita malleja omien proprietaaristen tietojensa, työnkulkujen, arviointikriteerien ja haluttujen tulosten ympärille.

Tämä voi mennä huomattavasti syvemmälle kuin retrieval‑augmented generation (RAG), joka yleensä antaa yleismallille pääsyn ulkoiseen yritystietoon inferenssiaikana. Deep Cogito:n lähestymistapa pyrkii muuttamaan itse mallia kouluttamalla toimialakohtaisia kykyjä sen painoihin.

Zscaler tarjoaa varhaisen esimerkin. Kyberturvallisuusyritys aloitti Deep Cogito:n asiakkaana ennen osallistumistaan Series A -kierrokseen. Yritykset ovat myös tehneet yhteistyötä erikoistuneen turvallisuustiedon parissa, ja Deep Cogito väittää, että turvallisuussovellukset voivat hyötyä malleista, jotka on jälkitreenattu organisaation omilla turvallisuustiedoilla ja -tuloksilla.

Laajempi yritystarjous koskee sekä erikoistumista että hallintaa. Wall Street Journalin rahoituskattauksen mukaan Deep Cogito asemoi teknologiansa malleihin, joita yritykset voivat kouluttaa ja omistaa käyttäen proprietaarista dataa, sen sijaan että ne olisivat täysin riippuvaisia suljetuista huippujärjestelmistä.

Mihin $43M Series A -rahoitus käytetään

Deep Cogito aikoo käyttää Series A -rahoituksen laajentaakseen tutkimus‑ ja insinööritiimiään, lisätäkseen suurten koulutusten käytettävissä olevaa laskentainfrastruktuuria, kehittääkseen tulevia Cogito‑malleja ja tehdäkseen yhteistyötä yhä useampien yritysten kanssa, jotka etsivät erikoistuneita malleja.

Infrastruktuuri tulee todennäköisesti olemaan erityisen tärkeä osa tätä laajentumista. Deep Cogito:n omat rekrytointimateriaalit kuvaavat tutkijoita, jotka työskentelevät uusien vahvistusoppimisalgoritmien, dataputkien, arvioinnin ja hajautetun infrastruktuurin parissa kouluttaen malleja, jotka ylittävät 400 miljardia parametria.

Rahoitus antaa yritykselle siten huomattavasti enemmän kapasiteettia testata, jatkuvatko varhaisissa malleissa osoitetut parannukset, kun se soveltaa enemmän laskentatehoa ja suorittaa useampia jälkitreeni‑prosessiensa iteraatioita.

Suurempi merkitys: tekoäly, joka oppii omasta päättelystään

Deep Cogito:n työn laajempi merkitys on mahdollisuus, että tekoälyn kehitys voisi siirtyä järjestelmistä, jotka on koulutettu enimmäkseen ihmisen tuottamalla datalla, kohti malleja, jotka yhä enemmän luovat, arvioivat ja sisäistävät omia parannuksiaan.

Iterated Distillation and Amplification -lähestymistavat pyrkivät muuttamaan kalliit päättelyketjut pysyväksi kyvykkyydeksi. Malli voi käyttää lisälaskentaa ratkaistakseen vaikeampia ongelmia, ja sitten tiivistää nämä edistykset takaisin painoihinsa, luoden vahvemman lähtökohdan seuraavalle koulutus‑syklille.

Ajan myötä tämä voisi tuottaa kehityssilmukan, jossa syytetään, arvioidaan, opitaan ja parannetaan.

Iteratiivisen jälkitreenin ja todellisen rekursiivisen itseparantumisen välillä on edelleen merkittävä aukko. Mallit tarvitsevat luotettavia arviointeja, huolellisesti suunniteltuja tavoitteita ja suojatoimia, jotka estävät virheiden vahvistumisen. Mutta jopa rajoitetut versiot tästä lähestymistavasta voisivat vähentää riippuvuutta yhä suuremmista esikoulutus‑kierroksista ja tehdä erikoistuneen, yrityksen omaan dataan perustuvan tekoälyn kouluttamisesta käytännöllisempää.

Jos tämä kehityskulku jatkuu, kilpailuetu tekoälyssä saattaa riippua vähemmän siitä, kenellä on suurimmat laskentaklusterit, ja enemmän siitä, joiden mallit oppivat parhaiten omasta kokemuksestaan.