4B小模型逆袭：强化学习训练后搜索准确率超GPT-5.6Sol，成本仅百分之一

Neon与Castform联合发布了一款4B参数的开源模型，经强化学习后训练，在文档搜索任务上的准确率超越GPT-5.6Sol，而单次推理成本仅为后者的约1%。

这一成果的核心在于对搜索范式的重新设计。当前文档检索主流采用嵌入式搜索，即将文档转化为数值化向量后匹配相似内容。但随着AI智能体普及，搜索正向"智能体式搜索"演进：模型将复杂问题拆解为多个子问题，自主决定搜索查询、检视结果、再发起下一轮搜索，循环直至获取所需信息。这种模式能处理更复杂的问题，但代价高昂——据Neon数据，GPT-5.6Sol单次搜索请求耗时超10秒，成本约0.03美元。

双方分工明确：Neon提供文档存储与搜索能力，Castform负责训练模型判断"该搜什么"。训练采用强化学习机制，模型先尝试完成任务，系统对结果评分并直接反馈至下一轮迭代。评估维度涵盖最终答案正确性、是否找到正确文档、是否引用合适段落等。最终，Castform后训练的模型在Neon验证中获得平均评估分1.447，超过GPT-5.6Sol的1.369及对照组GPT-5.4的1.377，刷新该验证纪录。

成本差距更为显著：这款4B模型单次推理成本0.000929美元，GPT-5.6Sol则为0.087338美元，相差约94倍。以4B参数实现GPT-5.6Sol级别的搜索精度，同时将推理开销压至近乎可忽略，对于依赖多轮模型调用的智能体应用而言，单位成本结构已被彻底改写。