联邦学习框架 Flower 背后的 Flower Labs 于 11 月 3 日发布 Endeavor 1.1，这是其今年第三个模型（继 4 月的英国主权 7B 模型 Lizzy、9 月的 Endeavor 1.0 之后）。新版本新增图像输入、可选欧盟境内 GPU 推理，支持 Flower 托管、私有云或本地部署，并承诺用户可查看完整思维链、拥有推理输出并用于训练自有模型。官方口径 GPQA 94.4、HumanEval 99.9、AIME 2026 99.9、MMMU-Pro 81.1，但对比对象是 GPT-5.6 Sol 与 Claude Fable 5 而非两家最新模型，且目前仅开放申请试用。
核心要点速览
- ✓官方口径：GPQA 从 1.0 的 92.0 升到 94.4（约少 30% 错误），HumanEval 从 98.2 升到 99.9，IFEval 94.5，MMMU-Pro 81.1。
- ✓官方对比表中 GPT-5.6 Sol 为 GPQA 94.1、IFEval 95.9、MMMU-Pro 83.0，Claude Fable 5 为 GPQA 92.6；Endeavor 在 IFEval 和 MMMU-Pro 上并未领先。
- ✓新增欧盟境内 GPU 推理并附 SLA，计划后续推出英国、中东、亚洲、非洲区域推理。
- ✓卖点是可控：读取原始思维链、保留推理输出与轨迹，并可用来微调或训练自有模型。
- ✓官方称模型基于成熟开源权重模型，经持续预训练、定向后训练与模型融合构建，未公开基座与参数规模；目前需申请访问。
开发者 3 秒速决决策指标
本地显存不够？先比较云端 API 与自部署的实际成本
40 款主流编程套餐横向比价，支持输入/输出 Token 真实账单模拟
相关资源与官方项目出处
免代理直达深度技术解析与实战评估
核心背景与行业痛点
企业用闭源前沿 API 时，可用性、使用条款和模型版本都由厂商决定；OpenAI 只提供思维链摘要，Anthropic 通常不返回原始思维链，两家条款也限制用输出训练竞品模型。欧洲客户还面临推理地域问题，Flower 在博客中举例称 Azure 英国境内按 token 计费的服务仍只有 GPT-4o 和 GPT-4.1 mini。Flower Labs 以联邦学习框架起家，Endeavor 系列瞄准的就是“前沿能力 + 自主可控”这块需求。
架构亮点与底层机制
官方称 Endeavor 1.1 建立在成熟的开源权重模型之上，叠加 Lizzy 的英国专业知识，经持续预训练、定向后训练和模型融合得到，但没有公开基座和参数规模。团队强调“系统大于权重”：在多套自研编码与 Agent 测试框架上优化推理时思考、上下文维护、工具调用和失败恢复，并用 FlowerBench 在参与企业自己的环境中跑真实工作流评测，数据不出企业。
权威 Benchmark 与实测跑分对比
以下均为厂商口径：GPQA 94.4、HumanEval 99.9、IFEval 94.5、AIME 2026 99.9、MMMU-Pro 81.1。对比表里 GPT-5.6 Sol 分别为 94.1、95.1、95.9、99.9、83.0，Claude Fable 5 为 92.6、97.0、91.7、99.9、81.2。需要注意三点：对比对象并非两家最新旗舰；HumanEval、AIME 等已接近饱和；目前没有独立第三方评测，也没有 SWE-bench 类 Agent 编码成绩。
开发者实战落地与开箱指南
目前需在 flower.ai/models/endeavor 申请访问，可选 Flower 托管（全球或欧盟 GPU）、私有云或本地部署，并提供企业 SLA。适合有数据驻留、审计思维链或想用推理轨迹蒸馏专用小模型的团队；建议先用自己的真实任务对比现有模型再决定，不要只看官方综合分。
即刻查看该技术对应模型与主流工具的实测差异，或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察