Quasar 438B：欧洲得分最高的推理模型对企业 Agent 与编码意味着什么

2026 年 9 月 2 日，西班牙公司 Multiverse Computing 发布了 Quasar 438B——这是这家以压缩与量子启发 AI 闻名的公司第一次推出大模型，定位直指企业级 Agent 与编码。它在 Artificial Analysis 的 Intelligence Index v4.1.1 上得 43 分，是欧洲模型的最高纪录，超过 Mistral Medium 3.5 的 30 分与 NVIDIA Nemotron 3 Ultra 的 38 分。对开发者而言，Quasar 的新闻价值不在「又一个 4380 亿参数」，而在三件事：欧洲主权 AI 的进展、一家压缩模型公司做大模型的方法论，以及「大模型能否快得足以支撑交互式 Agent」这个正在被重新讨论的问题。本文带你把发布事实、基准噪音与工程现实分开。

1. 发布事实：谁、何时、发了什么

Multiverse Computing 总部在西班牙圣塞巴斯蒂安，此前以压缩 AI 模型与量子启发算法著称。2026 年 9 月 2 日（部分媒体 9 月 3 日报道）它发布 Quasar 438B：4380 亿参数，是公司第一个大模型，明确瞄准企业级 Agent 与编码场景，支持英语与西班牙语。官方口径与第三方数据基本一致：Artificial Analysis Intelligence Index v4.1.1 得分 43，为欧洲模型最高；Terminal-Bench v2.1 得分 69.3；Long Context Reasoning 基准 75.0，领先 Mistral Medium 3.5 达 18.7 分、领先 Nemotron 3 Ultra 达 15.4 分。发布口径里还强调「欧洲可以在主权 AI 上与美系模型竞争」。

# Pull the public model card facts before you evaluate.
# Quasar 438B launch facts reported on 2026-09-02/03:
# - Artificial Analysis Intelligence Index v4.1.1: 43
# - Mistral Medium 3.5: 30 | NVIDIA Nemotron 3 Ultra: 38
# - Terminal-Bench v2.1: 69.3 | Long Context Reasoning: 75.0
FACTS = {
  "vendor": "Multiverse Computing",
  "params": 438_000_000_000,
  "intelligence_index": 43,
  "terminal_bench_v21": 69.3,
  "long_context_reasoning": 75.0
}
print(FACTS)

2. 43 分意味着什么：把欧洲竞争对手摆进坐标

43 分这个数字只有放在欧洲坐标系里才有意义：同一评测里 Mistral Medium 3.5 是 30，NVIDIA Nemotron 3 Ultra 是 38。换句话说，Quasar 不只是「又一个欧洲模型」，而是把欧洲模型的最高分从 38 推到了 43。但也要保持清醒：43 分距离美系前沿模型仍有距离，而 9 月 2 日 The New Stack 的报道标题已经提示「基准讲了一个更复杂的故事」——速度与推理质量在不同任务上表现并不一致。对工程团队的正确用法是把它当作「欧洲阵营的新基准点」：如果你有数据合规或主权要求，需要把推理放在欧洲境内，Quasar 让「欧洲本地前沿级 Agent」第一次有了一个可比较的选项。

# Latency budget: is 183 tokens per second enough for your agent?
# A 4,000-token answer at 183 tps takes about 22 seconds of generation.
def generation_seconds(output_tokens, tps):
    return round(output_tokens / tps, 1)

for out in (2000, 4000, 8000):
    print(out, "tokens ->", generation_seconds(out, 183), "s")

3. 企业 Agent 关心的数字：69.3、75.0 与 183 tps

三个数字对企业 Agent 团队最有用。第一，Terminal-Bench v2.1 的 69.3：这是终端/代理操作类基准，接近你让 Agent 在真实环境里跑命令的场景。第二，Long Context Reasoning 的 75.0：长文本推理对「把合同、审计报告或大仓库塞进上下文再推理」的任务很关键，也是官方主打的差异点。第三，Artificial Analysis 记录的约 183 token/秒输出速度：这意味着 4000 token 的回答约需 22 秒生成，交互式 Agent 可以接受，但大批量处理时仍需排队与并发规划。别只看峰值分数，要把 tps 乘上你的平均输出长度，算真实的端到端延迟。

// Enterprise agent configuration, English or Spanish.
{
  "model": "quasar-438b",
  "language": "en",
  "agent": {
    "role": "senior_engineer",
    "tools": ["read_repo", "search_code", "suggest_diff"],
    "max_steps": 8
  },
  "output": {"format": "diff", "include_explanation": true}
}

4. 压缩公司做 438B：部署成本叙事值得关注

Multiverse 的看家本领是模型压缩与量子启发算法，所以 Quasar 的隐含叙事是「4380 亿参数的能力，配上可控的部署成本」。这个叙事对企业的吸引力很直接：在自家或欧洲境内基础设施上运行一个 438B 级模型，而不是把数据送到境外 API。但工程上要验证三件事：压缩后的精度损失在你的任务上是否可接受；FP8 或更低精度量化后的真实吞吐；以及 KV cache 与长上下文在受限硬件上的表现。The New Stack 的评测已经指出速度成绩「比公司宣传的更复杂」，所以不要被「够快」一句话打动，用你自己的 GPU 预算跑一次基准才是唯一可靠的答案。

5. 主权 AI 与双语：对欧洲企业的实际意义

Quasar 支持英语与西班牙语，发布口径强调欧洲主权 AI。对欧洲企业，这意味着两个具体好处：其一，受 GDPR 与行业监管约束的数据可以在欧洲境内完成推理，避免跨境数据传输的合规成本；其二，西班牙语是第一大母语人口之一的语言，双语原生支持让南欧市场的客服、文档与内部工具第一次有「本土大模型」可选。但主权叙事不能替代工程评估：仍然要确认模型托管的地理位置、运维由谁负责、以及供应商的长期支持承诺。主权 AI 的价值只有在你能真正控制数据路径时才成立，否则它只是营销词。

# Evaluation harness: 15 enterprise tasks, compare two endpoints.
def trial(endpoint, tasks):
    rows = []
    for t in tasks:
        r = call(endpoint, t)
        rows.append({
            "task": t.id,
            "resolved": r.resolved,
            "tokens": r.total_tokens,
            "seconds": r.wall_seconds,
            "review_score": grade(r.diff)   # human or AI review
        })
    return rows

a = trial("quasar-438b", TASKS)
b = trial("current-model", TASKS)
print("quasar resolved:", sum(x["resolved"] for x in a), "/", len(TASKS))
print("current resolved:", sum(x["resolved"] for x in b), "/", len(TASKS))

6. 采纳 438B 级模型前的评测清单

无论宣传多好，采纳前请跑同一套评测。抽 15 个真实企业任务，覆盖长文档推理、仓库级代码修改、终端操作与双语场景，让 Quasar 与你当前模型各跑一遍，比较解决率、每任务 token、墙钟时间与代码审查得分。用 Text Diff Checker 检查它的改动是否克制，用 AI Code Reviewer 对输出做一致打分。特别要测长上下文：75.0 的 Long Context 分数在演示里很好看，但你的合同与仓库混合场景可能完全不同。两周数据出来后再决定：Quasar 赢的任务切过去，没赢的留在原处。欧洲模型的进步值得关注，但你的账单与缺陷数据才值得相信。

// Serving shape for a 438B-class model with compression in mind.
// Numbers are planning placeholders; benchmark your own GPUs.
{
  "model": "quasar-438b",
  "tensor_parallel_size": 8,
  "quantization": "fp8",
  "max_model_len": 65536,
  "gpu_memory_utilization": 0.9,
  "enable_prefix_caching": true
}