西班牙量子启发计算公司 Multiverse Computing 在9月2日正式发布旗舰推理模型 Quasar 438B，这是该公司第一次拿出四千亿级参数量的大模型。按照第三方评测机构 Artificial Analysis 的 Intelligence Index v4.1.1，Quasar 拿到 43 分，是当前得分最高的欧洲模型；同一榜单上，Mistral Medium 3.5 为 30 分，NVIDIA Nemotron 3 Ultra 为 38 分，Inkling 为 42 分，而全球榜首仍由 Claude Opus 5 以 63 分把持。
Intelligence Index v4.1.1 由九项评测合成，包括 GDPval-AA v2、τ³-Banking、Terminal-Bench v2.1、SciCode、Humanity's Last Exam、GPQA Diamond、CritPt、AA-Omniscience 与 AA-LCR。Multiverse 强调 Quasar 的定位是企业级智能体与编程场景，需要在多步规划、工具调用、代码执行与大上下文之间反复切换，而这正是这九项评测所覆盖的能力面。
速度是这个模型的第二张牌
参数量上了 4000 亿级别，响应速度却没有掉队。Quasar 输出 500 token（含思考时间）用时 15.3 秒，在同一对比表中只有三个模型更快：Nemotron 3.5 Lightning 用时 9.4 秒但指数只有 24 分，Gemini 3.5 Flash-Lite 用时 10.8 秒得 37 分，剩下一个是 Gemini 3.7 Flash。反过来看，所有得分高于 Quasar 的模型里只有两个能在 25 秒内完成同样的输出，其余耗时在 38 到 156 秒之间。
另一个被反复强调的对比是效率：Nemotron 3 Ultra 的参数量比 Quasar 还多出 1120 亿，得分反而低了 5 分。Multiverse 的看家本领本就是模型压缩，其 CompactifAI 技术此前已用于把大模型瘦身到可在边缘环境运行；Quasar 直接通过 CompactifAI API 提供，企业团队无需自建基础设施即可测试，延续了公司以部署效率换取客户的打法。
Multiverse Computing 的出身解释了这条产品路线。这家总部位于西班牙巴斯克地区的公司靠张量网络压缩起家，把量子启发的数学方法用在经典神经网络的瘦身上，CompactifAI 已在多个行业客户的生产环境中运行。从压缩别人的模型，到用压缩技术造自己的模型，Quasar 438B 是这条路线的自然延伸——先在参数规模上进入大模型俱乐部，再用效率指标建立差异化。
融资与市场动作也支撑着这个叙事：Multiverse 在此前的融资轮次后估值进入独角兽区间，客户名单覆盖能源、金融与制造业。Quasar 选择先做企业智能体而不是消费级聊天产品，避开了与头部模型在对话体验上的正面消耗，把竞争挪到企业更看重的响应延迟、部署成本与数据驻留这三项指标上。
欧洲阵营的追赶叙事
Quasar 支持英语与西班牙语双语运行，这对欧洲市场的政企客户是个现实卖点——数据留在欧洲、语言覆盖本地，恰好对应欧盟 AI 法案生效后企业采购的合规诉求。但从榜单看，欧洲模型与第一梯队的差距依然清晰：Quasar 的 43 分距离 Claude Opus 5 的 63 分还差整整 20 分，Mistral 这家欧洲旗舰在自家腹地被反超的剧情，也说明欧洲阵营内部的座次正在快速洗牌。
对行业而言，Quasar 438B 的意义在于把「高效推理模型」这条路线推到了旗舰级参数规模。如果 15.3 秒的端到端响应能维持住 43 分的质量，企业智能体的部署成本曲线将被继续压低；而 Multiverse 下一步要证明的，是 CompactifAI 的压缩效率能否转化为持续的版本迭代能力，毕竟评测榜单上的位置从来不是一次性资产。