Deep Cogito henter $43M Series A for å bygge post‑treningsmotoren for selvforbedrende AI

Deep Cogito har hentet en Series A på $43 millioner ettersom AI‑laboratoriet i San Francisco ser etter å skalere en stadig viktigere del av kunstig intelligens‑stabelen: hva som skjer etter at en grunnmodell allerede er forhåndstrent.

Runden ble ledet av TQ Ventures, med deltakelse fra Benchmark, Nexus Venture Partners, Atreides Management, South Park Commons og sky‑sikkerhetsselskapet Zscaler, som både er kunde og strategisk investor. Finansieringen bringer Deep Cogitos totale kapital til over $56 millioner.

Selskapet ble grunnlagt av Drishan Arora og Dhruv Malrana, som tidligere arbeidet med Googles AI‑søkeprodukter inkludert AI Mode og AI Overviews. Deep Cogito satser på at fremtidige gevinster i AI‑intelligens i økende grad vil komme fra bedre læringsalgoritmer og post‑trening snarere enn bare å gjøre forhåndstreningene større.

Det plasserer selskapet i en annen del av AI‑kappløpet enn laboratorier som primært fokuserer på å bygge stadig større grunnmodeller fra bunnen av.

Hvorfor Deep Cogito satser på post‑trening

Forhåndstrening er ansvarlig for å gi en stor språkmodell sitt brede kunnskapsgrunnlag ved å eksponere den for enorme mengder data. Post‑trening former deretter hvordan modellen oppfører seg, resonnerer, følger instruksjoner, bruker verktøy og utfører spesifikke oppgaver.

Deep Cogitos tese er at dette andre stadiet har betydelig mer rom for utvikling.

Selskapets forskning fokuserer på storskala forsterkende læring og metoder som gjør at modeller gradvis kan forbedre sine egne evner. I stedet for å behandle en forhåndstrent modell som et stort sett ferdig produkt som bare trenger litt ekstra justering, ser Deep Cogito på den som et utgangspunkt hvis underliggende evner kan fortsette å utvikles.

Arora oppsummerte forskjellen i kunngjøringen av runden: «Forhåndstrening gir en modell en enorm mengde kunnskap og evne. Post‑trening bestemmer hva modellen faktisk kan bli.»

Dette er spesielt relevant ettersom økonomien ved å bare skalere forhåndstrening blir stadig mer krevende. Trening av frontier‑grunnmodeller krever enorme datasett, GPU‑klynger, strøm‑infrastruktur og kapital. Et tilstrekkelig effektivt post‑treningssystem kan potensielt hente betydelig mer intelligens fra en eksisterende modell uten å gjenta hele prosessen.

Å gjøre kostbar resonnering til bedre intuisjon

I sentrum av Deep Cogitos forskning står Iterated Distillation and Amplification (IDA), en tilnærming selskapet offentlig introduserte med sin første Cogito-modellfamilie.

Konseptet er relativt enkelt, selv om implementering i stor skala ikke er det.

Under forsterkningsstadiet får en modell ekstra beregning og teknikker som gjør at den kan komme frem til et sterkere svar enn den umiddelbart ville generert. Den resulterende forbedringen destilleres så tilbake inn i modellens parametere. Den oppgraderte modellen blir utgangspunktet for en ny iterasjon.

I stedet for å kreve at modellen utfører en stadig lengre resonneringsprosess hver gang den møter et vanskelig spørsmål, er målet å gradvis internalisere noe av det den lærte under de mer beregningskrevende resonneringsstegene.

Deep Cogito beskriver dette som å forbedre en modells «intuisjon».

Skillet kan bli viktig for økonomien ved inferens. Lange resonneringskjeder kan forbedre nøyaktigheten, men de øker også token‑forbruk, latens og kostnad. En modell som har internalisert bedre resonneringsbaner kan potensielt nå lignende konklusjoner med mindre beregningstid under inferens.

Cogito-modeller gir en offentlig test av tilnærmingen

Deep Cogito har brukt sin Cogito-familie av åpne vekter-modeller som en testarena for disse teknikkene.

De første utgivelsene varierte fra 3 milliarder til 70 milliarder parametere, før selskapet utvidet familien med 70B, 109B mixture‑of‑experts (MoE), 405B og 671B MoE‑modeller.

Med Cogito v2 rapporterte selskapet at deres 671B‑modell produserte resonneringskjeder som var omtrent 60 % kortere enn DeepSeek R1 0528, samtidig som den forble konkurransedyktig på flere evalueringer. Deep Cogito oppga også at de brukte mindre enn $3,5 millioner samlet på å trene åtte Cogito‑modeller fra 3B til 671B, selv om benchmark‑ytelse og treningskostnadssammenligninger ikke nødvendigvis oversettes direkte til produksjonsekonomi.

Selskapet fortsatte å finpusse systemet med Cogito v2.1 671B, som bruker en åpen‑lisensiert DeepSeek‑basismodell som Deep Cogito deretter post‑trener internt. Deres v2.1‑forskningsutgivelse sier at modellen bruker prosess‑overvåkning under resonnering, med trening designet for å forbedre modellens evne til å identifisere produktive resonneringsveier i stedet for bare å oppmuntre den til å resonere lenger.

Denne utviklingen er viktig for Deep Cogitos bredere argument. Selskapet trenger ikke bevise at de kan forhåndstrene en bedre grunnmodell enn de største AI‑laboratoriene. De må demonstrere at deres post‑treningsprosess konsekvent kan gjøre sterke eksisterende modeller enda mer kapable.

Zscaler peker på forretningsmuligheten

Den andre siden av virksomheten er å ta disse post‑treningsmetodene utover de offentlig utgitte Cogito-modellene og anvende dem på bedrifts‑AI.

I stedet for å stole utelukkende på en generell frontier‑modell, kan selskaper potensielt trene spesialiserte modeller rundt sine proprietære data, arbeidsflyter, evalueringskriterier og ønskede resultater.

Det kan gå betydelig dypere enn retrieval‑augmented generation (RAG), som vanligvis gir en generell modell tilgang til ekstern bedriftsinformasjon ved inferens. Deep Cogitos tilnærming har som mål å endre selve modellen ved å trene domenespesifikke evner inn i vektene.

Zscaler er et tidlig eksempel. Sikkerhetsselskapet begynte som kunde hos Deep Cogito før de deltok i Series A. Selskapene har også samarbeidet om spesialisert sikkerhetsintelligens, der Deep Cogito argumenterer for at sikkerhetsapplikasjoner kan dra nytte av modeller som er post‑trent på en organisasjons egne sikkerhetsdata og resultater.

Det bredere bedriftsforslaget handler både om spesialisering og kontroll. Wall Street Journal‑dekningen av finansieringen påpeker at Deep Cogito posisjonerer sin teknologi rundt modeller som bedrifter kan trene og eie ved hjelp av proprietære data, i stedet for å være fullstendig avhengige av lukkede frontier‑systemer.

Hva $43M Series A vil finansiere

Deep Cogito planlegger å bruke Series A til å utvide sin forsknings‑ og ingeniørorganisasjon, øke den beregningsinfrastrukturen som er tilgjengelig for storskala trening, utvikle fremtidige Cogito‑modeller, og samarbeide med flere virksomheter som søker spesialiserte modeller.

Infrastruktur vil sannsynligvis bli en spesielt viktig del av denne utvidelsen. Deep Cogitos egne rekrutteringsmaterialer beskriver forskere som arbeider med nye forsterkende‑læringsalgoritmer, datapipelines, evaluering og distribuert infrastruktur mens de trener modeller som overstiger 400 milliarder parametere.

Finansieringen gir dermed selskapet betydelig mer kapasitet til å teste om forbedringene som ble demonstrert gjennom de tidlige modellene fortsetter når de bruker mer beregning og kjører flere iterasjoner av post‑treningsprosessen.

Den større implikasjonen: AI som lærer av sin egen resonnering

Den større betydningen av Deep Cogitos arbeid er muligheten for at AI‑utvikling kan skifte fra systemer som hovedsakelig er trent på menneskegenererte data, til modeller som i økende grad genererer, evaluerer og internaliserer sine egne forbedringer.

Tilnærminger som Iterated Distillation and Amplification har som mål å omdanne kostbar resonnering til varig kapasitet. En modell kan bruke ekstra beregning for å løse vanskeligere problemer, for så å destillere disse gevinstene tilbake inn i vektene, og skape et sterkere utgangspunkt for neste treningssyklus.

Over tid kan dette skape en utviklingssløyfe av resonnering, evaluering, læring og forbedring.

Det er fortsatt et stort gap mellom iterativ post‑trening og ekte rekursiv selvforbedring. Modeller trenger pålitelige evalueringer, nøye designede mål og sikkerhetsmekanismer mot å forsterke feil. Men selv begrensede versjoner av denne tilnærmingen kan redusere avhengigheten av stadig større forhåndstreningskjøringer og gjøre spesialisert AI trent på proprietære bedriftsdata mer praktisk.

Hvis den utviklingen fortsetter, kan konkurransefordelen i AI avhenge mindre eksklusivt av hvem som har de største beregningsklyngene og mer av hvilke modeller som er best til å lære av sin egen erfaring.