上周，英伟达 CEO 黄仁勋在高盛科技大会上断言：网络安全极可能是 AI 的下一个杀手级应用。与此同时，OpenAI 宣布其“自动化 AI 研究实习生”正式上岗，人机协作比例已达 3.1:1。
在巨头抢跑的背景下，一支不足十人的中国团队——万衍（Vera Praxis），将其训练的 27B 模型 Feyospace 送上了高难度评测榜单 CyberGym。该榜单汇聚了 OpenAI、Anthropic、DeepSeek 等顶尖机构模型。
在 CyberGym 的 Model-focused 纯模型能力对比中，Feyospace 取得了 63% 的漏洞复现成功率，逼近 Claude Sonnet 4.6 的 65.2%。这一成绩标志着专业化训练的小团队模型，已能在巨头主导的竞争中占据一席之地。
万衍的核心战略不仅在于跑分，更在于构建“业务与模型互促”的飞轮：将真实业务场景作为 AI 持续进化的引擎，通过解决经营中的实际难题反哺模型，再以更强的模型能力拓展业务边界。
不到十人的团队：打开高难度专业智能突破口
截至 2026 年 9 月 13 日，万衍的 Feyospace-v1 在 CyberGym 榜单上的漏洞复现成功率达 63.0%，紧追 Claude Sonnet 4.6。
CyberGym 将模型置于可执行的软件环境中，要求其理解代码、构造测试并根据反馈调整。评测涵盖 188 个软件项目的 1,507 个真实历史漏洞，深度考验模型的分析、行动与验证闭环能力。
安全领域是检验 AI 能力的试金石。面对成熟代码中隐蔽的剩余漏洞，模型需精准定位线索并提出经实测验证的假设。万衍的研究显示，同一套后训练方案显著提升了三个不同基座模型的表现。
在针对完整漏洞利用的专项实验中，团队将 Qwen3.8-Flash-Next 的 ExploitBench 成功率从 12.96% 提升至 19.05%，并在 V8 任务上达到目标特定原语层级。这证明针对性训练能推动小模型向工程化应用迈进。
把少数专家的关键判断，变成模型可规模化的能力
在 Feyospace 技术报告中，团队展示了一种名为"Kreator"的方法：将专家在关键节点的隐性判断，转化为模型可学习、复用和检验的显性过程。
专家依靠经验迅速识别关键条件，而模型需要清晰的中间步骤。Kreator 不仅记录“做了什么”，更保留“为什么这样做”及“如何确认有效”，确保专家经验转化为高质量的训练信号。
万衍构建了包含代码、安全及硬件任务的混合训练集，保留了约 16.4 万条训练轨迹。通过让少数优秀专家负责最关键判断，模型学习其背后的方法论，从而承担更多可验证工作，实现团队能力的指数级扩展。
把真实经营，变成模型持续学习的源头
随着 AI 承担更复杂的工作，学习材料需更接近实际交付。万衍践行“从经验中学习”的理念，将真实业务场景作为模型进化的核心驱动力。
无论是 App 开发、音频创作还是量化研究，完整的工作流都涉及多角色协作与复杂约束。模型需在连续修改中保持目标一致，其最终价值由专业验收和用户反馈共同定义。
万衍亲自经营 App、音频、安全和量化四大业务，旨在内部掌握持续的参与能力。业务团队与模型团队共同面对问题，不断追问模型卡点与专家补位逻辑，将业务难题转化为高价值研发课题。
在量化领域，策略想法需经受数据、设施与风险的多重检验；在音频领域，MuLa 系列模型已在音乐生成与二创上取得成果，HeartMuLa 实现开源，后续研究将持续深化音乐理解能力。
公司正在建设 Praxis OS，将业务中的目标、行动、专家反馈与结果组织成闭环：引入前沿模型释放能力，识别缺口并转化为训练任务，结合专家经验进行后训练，最后回归业务检验交付质量。未来还将引入强化学习，进一步拓展模型解法空间。
从四项业务出发，构建经营与智能共同增长的 AI 公司
万衍的组织模式瞄准了超越单一产品的长期机会：各业务由精干团队深耕，公司共享模型与工程能力，Praxis OS 则连接两者，放大专家判断的价值。
这种“经营现场参与模型进步”的模式正成为产业新趋势。OpenAI 与 Thrive Holdings 的合作即为参照，而万衍计划通过孵化与收购，进入法律、会计等高价值专业服务领域，将已验证的环境构建与后训练能力复用至新行业。
其长期愿景是建立一家专业能力增长快于人数扩张的公司：每项业务既创造经济价值，又作为模型学习的长期现场。经营回报支持研发，经过验证的模型能力反过来提升业务效率与规模，形成正向循环。
从 CyberGym 的专业突破到多维业务的深度融合，万衍正致力于成为一家在创造经济价值的同时，持续扩大模型能力边界的 AI 公司。
万衍科技官网：https://verapraxis.ai/
编辑：所罗门