新模型不拼上下文长度，专治‘记不住事儿’的AI

QuasarModels刚放出Quasar-3B（1B Active），一个循环式连续时间Transformer。它不追求把上下文窗口拉到百万级，而是想解决一个更实际的问题：相隔几千个token的内容，模型还能不能靠谱地回应。

架构上混搭了自研的Quasar层和GLA（Gated Linear Attention）。GLA算注意力快，Quasar层负责记事儿——两者合起来搞“状态化推理”，意思是一次推理过程中记忆能持续累积、更新，而不是每轮都从零开始。这就像饭馆老伙计记熟客口味，不用每次进门都重新问一遍。

团队特意强调这是个“新组织”（new org），独立运作，不是哪家大厂的子项目。还补了一句“不是本月最后一次更新”，看来四月还有后手。我原以为又是换个名字炒冷饭，结果还真有点不一样。