Goodfire 已公开发布 Silico，这是一个自主研究平台，旨在规划、执行和监控前沿规模的长周期 AI 实验。该平台通过在分布式计算基础设施上自动化实验流程，致力于降低大规模模型解读和训练中传统上所需的高昂运维成本。

Silico 作为自主研究智能体运行：它接受一个研究目标，制定详细的实验计划，在 GPU 集群上并行执行工作负载，监控每次训练运行，并返回可检查的结果。通过在无需持续人工监督的情况下协调计算资源，该平台使研究人员能够管理此前需要大量手动干预的复杂多步骤项目。

Goodfire 强调，Silico 基于公司自身的前沿可解释性研究构建，能够将有害或意外的模型行为追溯到其底层机制，并在必要时进行干预。随着前沿模型规模和能力的不断增长，这种机制化的模型理解方法已成为整个 AI 领域的优先事项，包括 Anthropic 和 OpenAI 在内的多家实验室都在加大对可解释性项目的投入，以更好地预判故障模式和对齐风险。该平台已经展示了其在规模化层面的能力——此前已被用于解读拥有 2.8 万亿参数的 Kimi K3 模型。

Silico, the platform for ambitious AI research, is publicly available today. AI is advancing fast. The tools to understand it need to advance even faster. Silico lets you interpret and train your models at frontier scale. Learn more + get access pic.twitter.com/RT3lsbdGvy
— Goodfire (@GoodfireAI) August 4, 2026

（来源：X 帖子）

应用场景、定价与早期采用

Silico 支持涵盖模型理解、故障诊断和模型改进在内的一系列研究任务。研究人员可以在平台上可视化模型架构、训练稀疏自编码器和探针、映射神经几何结构，并针对已学习的表征进行因果假设检验。该平台还支持诊断工作，能够将性能回归和意外行为追溯到训练不足、信息瓶颈、特征崩溃或数据集伪影等根本原因。

在模型开发方面，Silico 支持监督微调、直接偏好优化和强化学习实验。用户可以比较不同检查点、测试有针对性的干预措施并衡量结果。此外，该平台还可以通过自主规划和运行相应实验来复现或扩展现有研究论文的成果。

Goodfire 承认长周期实验目前仍然成本高昂，并表示 Silico 的定价反映了当前的算力成本，但公司计划随时间推移逐步降低这些费用。为鼓励早期采用，Goodfire 为早期注册用户提供 50% 的折扣，并为在 AI 安全和生命科学等关键领域从事研究的人员提供资助。

该平台目前支持 macOS，企业级基础设施方案可应需提供。早期合作伙伴包括 Prime Intellect、Valinor 和 Basecamp Research，它们已使用 Silico 加速强化学习设计、在专业模型中发现生物学推理能力，并获得了对基础模型行为的机制级可观测性。此次发布使 Goodfire 与越来越多的 AI 评估和治理工具公司并肩同行——随着监管机构和企业寻求更大保障，以确保大型模型在部署前安全、可靠且可审计，这一市场已显著扩大。