範式智能（Phancy Group，亦稱4Paradigm）與睿思智聯於2026年10月16日公布開源平台ModelSphere。平台定位是企業AI基礎設施：把算力管理、模型部署和執行時優化放在同一套系統，目標是簡化大模型服務的部署與日常運作。這是產品發布消息，並非融資或業績公告。12

ModelSphere主要想解決甚麼？

企業要把大模型投入實際業務，除了選模型，亦要處理算力資源、部署設定和服務運作。ModelSphere希望把這些工作整合成一個部署及管理流程；發布資料稱平台面向企業免費開源，並已在GitHub上架。12

專案的部署程式庫是modelsphere/modelsphere。GitHub資料列出Prefill／Decode分離，以及共用L3 KV Cache池等推理服務功能；程式庫亦附有Apache 2.0授權。1133

發布報道亦列出圖形化部署介面、彈性擴縮容、高可用負載均衡和服務自動恢復等面向正式環境的功能。238 這些是公司對產品能力的描述；現有資料並無獨立測試結果，證明每項功能在不同環境下的表現。

多種加速晶片與模型支援

發布資料稱，ModelSphere結合EngineX推理引擎，可統一管理華為昇騰、天數智芯、摩爾線程及海光DCU等算力資源。2 專案GitHub亦稱其服務架構支援多種加速器。11

公司發布資料列出平台已針對DeepSeek-V4、V4-Flash、Qwen、Kimi、MiniMax和GLM作適配，並稱新模型推出後可快速部署。26 不過，這些是官方公布的支援及適配說法，並非獨立確認每個模型與每款晶片的組合都已適合正式大規模運行。

285%吞吐量提升，應該點理解？

發布公告稱，ModelSphere的峰值吞吐量提升最多285%，並形容效能接近基準的四倍。1 按數字計算，較基準增加285%，代表達到基準的3.85倍；「接近四倍」是合理的約數說法。

但現有報道沒有提供足夠的測試細節，亦沒有證明結果經獨立重現。因此，這應視為公司公布的效能數字，而非任何企業部署後都能達到的保證。要作有意義的比較，至少要知道所用硬件、模型、工作負載、基準設定及延遲限制。

可以確定甚麼，仍有哪些未知？

目前較清楚的定位，是ModelSphere希望成為企業部署及運作大模型時的共用管理層，把算力管理、模型服務和執行優化整合在一起。12 公開資料亦列出其開源形式、部分服務架構、擴縮容與硬件支援項目。21133

至於每項宣傳功能是否已在不同生產環境獨立驗證，現有資料未能證實；亦不足以詳細說明ModelSphere與vLLM或SGLang等推理引擎之間的分工。對企業而言，值得留意的方向是它嘗試簡化模型部署與運維；實際效能與兼容程度，仍要按自身硬件和工作負載測試。

範式智能（Phancy Group，亦稱4Paradigm）與睿思智聯於2026年10月16日公布開源平台ModelSphere。平台定位是企業AI基礎設施：把算力管理、模型部署和執行時優化放在同一套系統，目標是簡化大模型服務的部署與日常運作。這是產品發布消息，並非融資或業績公告。12

ModelSphere主要想解決甚麼？

企業要把大模型投入實際業務，除了選模型，亦要處理算力資源、部署設定和服務運作。ModelSphere希望把這些工作整合成一個部署及管理流程；發布資料稱平台面向企業免費開源，並已在GitHub上架。12

專案的部署程式庫是modelsphere/modelsphere。GitHub資料列出Prefill／Decode分離，以及共用L3 KV Cache池等推理服務功能；程式庫亦附有Apache 2.0授權。1133

發布報道亦列出圖形化部署介面、彈性擴縮容、高可用負載均衡和服務自動恢復等面向正式環境的功能。238 這些是公司對產品能力的描述；現有資料並無獨立測試結果，證明每項功能在不同環境下的表現。

多種加速晶片與模型支援

發布資料稱，ModelSphere結合EngineX推理引擎，可統一管理華為昇騰、天數智芯、摩爾線程及海光DCU等算力資源。2 專案GitHub亦稱其服務架構支援多種加速器。11

公司發布資料列出平台已針對DeepSeek-V4、V4-Flash、Qwen、Kimi、MiniMax和GLM作適配，並稱新模型推出後可快速部署。26 不過，這些是官方公布的支援及適配說法，並非獨立確認每個模型與每款晶片的組合都已適合正式大規模運行。

285%吞吐量提升，應該點理解？

發布公告稱，ModelSphere的峰值吞吐量提升最多285%，並形容效能接近基準的四倍。1 按數字計算，較基準增加285%，代表達到基準的3.85倍；「接近四倍」是合理的約數說法。

但現有報道沒有提供足夠的測試細節，亦沒有證明結果經獨立重現。因此，這應視為公司公布的效能數字，而非任何企業部署後都能達到的保證。要作有意義的比較，至少要知道所用硬件、模型、工作負載、基準設定及延遲限制。

可以確定甚麼，仍有哪些未知？

目前較清楚的定位，是ModelSphere希望成為企業部署及運作大模型時的共用管理層，把算力管理、模型服務和執行優化整合在一起。12 公開資料亦列出其開源形式、部分服務架構、擴縮容與硬件支援項目。21133

至於每項宣傳功能是否已在不同生產環境獨立驗證，現有資料未能證實；亦不足以詳細說明ModelSphere與vLLM或SGLang等推理引擎之間的分工。對企業而言，值得留意的方向是它嘗試簡化模型部署與運維；實際效能與兼容程度，仍要按自身硬件和工作負載測試。