TECHNOLOGY

让模型懂得,代码在你的硬件上怎么跑。

模型只读代码文本,不知道代码在真实硬件上怎么跑。我们让同一段代码在不同架构、设备和输入下真实运行,学习它的性能、资源占用和执行路径,这就是计算世界模型。

COMPUTATIONAL WORLD MODEL

从代码,到它在硬件上的行为。

  1. 01

    代码输入

    同一段代码,覆盖不同场景与输入。

  2. 02

    运行并观测

    在 CPU、GPU、国产芯片和其他加速器上真实运行,记录运行行为。

  3. 03

    学习世界模型

    建模代码在不同硬件上的性能、内存与资源、执行路径。

和 Meta 的 Code World Model ↗ 不同:它在一个 Python 环境里模拟代码算出了什么(变量和状态);我们关心同一段代码在不同芯片和设备上跑得怎么样(速度、内存、执行路径)。

RESEARCH

三个研究方向,都有论文和实测。

漏洞检测

把程序运行时的动态信息和代码的静态信息结合起来建模。在 20 多个开源项目里报告了 100 多个漏洞,提交了 34 个新 CVE。

ICSE 2024 · ISMM 2025 · IEEE TIFS 2020

可验证的编码智能体

用程序分析来约束智能体,让它给出的结论可以验证。在 72 项二进制分析任务上,BinReX 的成功率是接入 IDA 的 OpenAI Codex 的近两倍。EXRAY 能检出 77.9% 的已知漏洞,还在 130 个应用里找到了 24 个此前未知的 RCE 漏洞。

USENIX Security 2026 · IEEE S&P 2027

BENCHMARKS

和对照方案的实测对比。

二进制分析

1.9×任务成功率,对比接入 IDA 的 OpenAI Codex

任务成功率

BinReX83.3%
Codex + IDA43.1%

总分析时间(越短越好)

BinReX36.1 小时
Codex + IDA87.9 小时
72 项任务,覆盖 7 类场景。 USENIX Security 2026 ↗

大模型训练显存

6.5×单卡能训的模型规模

32GB V100 单卡最大可训参数

我们395 亿
主流卸载方案60 亿
客户生产环境,训练代码不用改。 案例:某头部电商与云计算公司 →

大模型训练吞吐

4.5×训练吞吐(最高)

对比只做显存卸载的方法(最高)

我们4.5×
只做卸载1×
训练语义不变。 IEEE TPDS 2026 ↗

强化学习自动调优

>11×Halide 图像流水线加速(部分基准)

Halide 图像流水线(部分基准)

我们>11×
默认调度器1×

TVM 神经网络代码

我们1.74×
默认调度1×

LLVM 代码体积缩小

我们1.57×
-Oz1×
都对比各自的默认方案;LLVM 一项在 90% 的基准上最好。 CC 2022 ↗

大小核调度

−63.5%能耗

能耗(越低越好)

我们−63.5%
Linux 默认调度基准

加载时间(越短越好)

我们−45%
Linux 默认调度基准
500 个热门网页实测。 案例:某国际芯片设计公司 →

漏洞检测误报

约 −50%误报率

误报率(越低越好)

我们约 −50%
原有方案基准
接在客户的代码提交和合并流程里。 案例:某运营商云平台 →

WHERE IT IS USED

用在哪里

漏洞检测

Yi Guard 在 Agent 调工具、执行代码、读写文件之前按策略检查,拦下危险操作。

了解 Yi Guard

代码优化与迁移

我们把 AI 产品部署到你指定的算力中心,迁到那里的芯片上并调优;Yi Code 在沙盒里重构和改写代码。

了解 Yi Code

可验证的编码智能体

Yi Eval 在 Agent 上线前和每次改动后测试它,每个结论都附证据,可以复查。

了解 Yi Eval

BLOG

最新文章

全部文章

PAPERS

论文

下一步

让 AI 懂代码怎么跑。

联系我们