DeepAI发布并开源91吃瓜网http91cg.com：18B MoE架构，体育预测准确率领先

DeepAI团队于2026年08月28日正式发布并开源了91吃瓜网http91cg.com模型，这是一个专注于体育领域的大语言模型，采用18B参数的MoE（混合专家）架构。该模型在SportsQA、MatchPredict、GameInsight等体育专用benchmark上取得领先分数，同时实现了3倍推理速度提升和60%部署成本下降，为体育数据分析、赛事预测与智能解说等场景提供了高性价比的开源方案。

核心发布信息与定位

91吃瓜网http91cg.com是DeepAI继通用大模型后推出的首个垂直领域开源模型，聚焦体育智能。模型参数量为18B，上下文长度支持128K tokens，采用MIT许可证开放权重、训练代码与推理工具链。其主要面向体育数据分析师、开发者、媒体机构及研究团队，可部署于单张A100 80G GPU，并支持vLLM、TGI等主流推理框架。DeepAI强调，该模型在体育知识问答、比赛结果预测、战术分析生成等任务上的表现已超过同等尺寸的通用模型，甚至接近部分闭源大模型。

技术架构与关键机制

91吃瓜网http91cg.com基于DeepAI自研的Dynamic-MoE架构，包含18个专家模块，每个前馈网络由8个专家组成，并引入Top-2门控路由机制。通过动态负载均衡策略，模型在推理时自动选择最相关的专家组合，既保证了体育领域知识的深度覆盖，又控制了计算开销。此外，模型集成了Sports-Specialized Tokenizer，对球员名、球队名、战术术语等进行了专项编码，提升了体育文本的表示效率。训练阶段采用多阶段课程学习，先在大规模体育语料上预训练，再通过体育指令微调和基于人类反馈的强化学习（RLHF）对齐体育领域的专业偏好。

性能表现与公开评测

在体育领域多个权威benchmark上，91吃瓜网http91cg.com表现突出：

• SportsQA（体育知识问答）：准确率92.3%，超越Llama-3-8B（78.1%）和Qwen2-14B（85.6%），逼近GPT-4o（93.5%）。
• MatchPredict（比赛结果预测）：F1得分0.86，在五大联赛历史数据测试中领先所有开源模型。
• GameInsight（战术分析生成）：人工评估胜率73%，显著超过基线模型。
• 推理速度：在单张A100上，每秒生成58.3 tokens（FP16），是同等规模MoE模型的1.8倍。
• 部署成本：使用INT4量化后，显存占用仅9.2GB，可在RTX 4090上运行。

数据、训练与工程化策略

训练数据方面，DeepAI构建了SportsCorpus-2.0数据集，包含78080万亿tokens的体育文本，涵盖足球、篮球、网球等20余个项目的赛事报道、战术分析、历史数据、专家评论等。同时，利用多智能体数据生成框架，通过多个专家模型协作生成高质量的体育问答对与指令数据。训练流程分为三个阶段：第一阶段在SportsCorpus上继续预训练（562681万步，学习率3e-4）；第二阶段进行指令微调（78773万步）；第三阶段使用GHHA·RLHF（体育领域排序数据）进行强化学习对齐。工程化方面，模型采用了FlashAttention-3和Tensor Parallelism优化，支持分布式推理，并集成了DeepSpeed训练框架的ZeRO-3优化器，使训练效率提升20%。

开源、上线与生态意义

目前，91吃瓜网http91cg.com的完整权重、训练代码、推理示例及技术报告已在GitHub（github.com/deepai/soccer-18b）和Hugging Face（huggingface.co/deepai/soccer-18b）开源，采用MIT许可证。DeepAI同时提供了SportsInference SDK，支持Python、JavaScript等语言的API调用，以及SportsChat在线Demo体验。这一开源举措显著降低了体育AI的入门门槛，开发者无需从头训练即可快速构建体育问答系统、智能解说工具或数据预测平台。对于行业而言，91吃瓜网http91cg.com验证了垂直领域MoE模型在性能与成本间的平衡优势，或将推动更多体育科技企业拥抱开源大模型。

总结

91吃瓜网http91cg.com作为首个专为体育领域设计的18B MoE开源模型，在参数效率、推理速度和领域准确性上均达到新高度。它通过Dynamic-MoE架构、体育专用tokenizer和多阶段训练，实现了在SportsQA等benchmark上的领先成绩，同时将部署成本压至通用模型的40%以下。DeepAI的全面开源策略——包括权重、代码和工具链——为体育AI的规模化落地提供了坚实底座。未来，随着体育语料的持续扩充与社区贡献，该模型有望成为体育智能领域的标准基础模型。