6月27日，Multiverse Computing 正式推出 Pulsar 16B 推理模型，这是一款面向高效推理场景的开源大语言模型。基于 Nvidia Nemotron 架构，模型总参数达 161.5 亿，但借助 CompactifAI 压缩技术，推理时仅激活约 31 亿参数，大幅降低计算资源需求。在 Nvidia Blackwell GPU 上，模型吞吐量达到每秒 4808 个 token，适用于实时推理与高频交易等场景。
技术亮点与开源许可
Pulsar 16B 的核心创新在于其稀疏激活架构：虽然拥有 161.5 亿参数的“大脑”，但每次推理只调用约五分之一的参数。CompactifAI 压缩技术通过知识蒸馏和结构化剪枝实现这一平衡，使得模型在保持高精度的同时显著提升推理速度。模型采用 Apache 2.0 开源许可证，开发者可在 Hugging Face 平台获取权重，并直接用于商业产品，降低了 AI 应用的门槛。
从实测数据看，Pulsar 16B 在 Blackwell GPU 上的 token 吞吐量（4808 tokens/s）优于同类规模的稀疏模型。这一性能对于需要低延迟响应的加密交易策略、智能合约审计或链上数据分析具有潜在价值——尽管 Multiverse Computing 目前主要聚焦量子计算与 AI 融合，但该模型可直接应用于传统机器学习流水线。
公司背景与量子 AI 战略
Multiverse Computing 成立于 2019 年，总部位于西班牙，专注于量子计算在金融和工业场景的应用。2025 年 6 月，该公司完成 2.15 亿美元 B 轮融资，投资方包括多家欧洲风险基金和战略投资者。此前，Multiverse 曾与加拿大央行等机构合作，探索利用量子计算进行金融风险模拟和投资组合优化。
此次发布 Pulsar 16B 意味着公司正将其在量子计算领域的压缩与优化技术（如 CompactifAI）迁移至经典 AI 模型。考虑到金融行业对模型推理速度和成本的高度敏感，Pulsar 16B 的稀疏激活架构可能成为高频交易、风险管理等场景的替代方案。同时，开源策略有助于建立开发者社区生态，加速量子-经典混合计算的实际落地。
在加密领域，类似的轻量级推理模型可被用于链上异常检测、MEV 策略优化或 DeFi 协议参数预测。Multiverse Computing 的跨学科背景使其区别于纯 AI 公司，未来或推出专为加密场景定制的推理解决方案。