Supersonic Labs 开源 Julia-1：144M 参数本地分类模型

独立团队 Supersonic Labs 在 Hugging Face 开源了一款名为 Julia-1 的轻量级本地分类模型，参数量为 1.44 亿，可完全在 CPU 上运行，不依赖 GPU。该模型定位为「紧凑决策模型」，并不生成文本，而是从给定选项中选择答案。

模型概况

Julia-1 由名不见经传的 Supersonic Labs 推出，项目团队将其描述为该研究方向的首个成果。模型并非通用大语言模型，而是聚焦于「决策类任务」的专用分类器，旨在替代通用 LLM 在简单判断场景中的角色。

技术细节

• 基座模型：mmBERT-small，一个多语言编码器
• 参数量：144.3 million（约 1.44 亿）
• 架构类型：非生成式分类器（non-generative classifier）
• 运行环境：CPU，无需 GPU 加速
• 托管平台：Hugging Face

功能定位

Julia-1 的核心任务是替代通用 LLM 在决策类场景下的角色，具体能力包括：

• 对候选答案进行分类
• 对选项进行等级排序
• 回答是/否类问题

研究方向

项目团队在发布说明中表示，Julia-1 是对「单一模型能否同时处理分类、排序与是非判断」这一问题的首次探索。其后续计划包括公布该模型在不同任务上的成败表现以及所用评测方法，以便社区复现与改进。

作为一款面向本地轻量场景的小型分类器，Julia-1 的目标用户是需要离线或低资源环境下做决策判断的开发者，而非追求通用对话能力的使用者。