Cartesia 发布 H-Nets 研究：字节级分层网络挑战分词器，最高省 10 倍算力

一句话看懂：语音 AI 公司 Cartesia 公布分层网络（H-Nets）最新研究结果，声称其可直接从字节学语言、在模型内部动态切分数据，替代分词器，并在受控对比中取得最高约 10 倍的算力与数据效率提升。

事件核心：发生了什么

2026 年 10 月 28 日，Cartesia 发布博客系列第一篇，介绍其 2025 年提出的分层网络 H-Nets。该架构的核心思路是取代分词器：不再离线把字节切成固定 token，而是在模型内部端到端、分层地做“分块”——字符组成词、词组成短语、短语组成概念，这一思路受到认知心理学中 chunking 概念的启发。

文章给出几项关键结果：单阶段 H-Net 仅凭学到的分词方式，在受控对比中带来约 3 至 5 倍算力效率增益；更灵活的两阶段版本在同等条件下优于某个匹配的开源模型，并声称用约十分之一的算力和数据；模型还表现出“上下文内分词”等新行为。团队表示生物与视觉方向的跨模态研究仍在进行中。

为什么重要

这直接对应 Richard Sutton 2019 年提出的“苦涩教训”：尽量少依赖人工先验，让通用方法随算力扩展。语言模型是这一路线最成功的案例，但分词器仍是人工设计的预处理环节，限制了端到端学习。H-Nets 试图补上这个缺口，并把“能否从字节学语言”当作通用学习方法的试金石。若结论成立，它将为继续堆算力打开新路径。

对用户/开发者/创作者的影响

目前公开信息显示，这些是研究结果而非已上线产品，尚无 API 或价格信息。若后续验证成立，开发者可能少一道分词预处理流程，模型对多语言、代码、错别字和生僻表达的鲁棒性也可能受益；对算力和训练成本敏感的应用方，则可能获得更高的数据利用效率。但本文属于系列第一篇，另一篇的深入分析尚未发布，相关评测条件也未在摘要中完整披露。