OpenMythos 能帮开发者做什么？
OpenMythos 是一个基于第一性原理对 Anthropic 雪藏的 Claude Mythos 架构进行理论重建的开源项目，由 22 岁开发者 Kye Gomez 发布。尽管它并非官方版本，也没有预训练权重，但它为开发者提供了一个前所未有的实验平台，涵盖架构研究、高效模型设计、灵活推理部署等多个维度。具体来说，它能帮助开发者做以下几件事：
1. 深入理解前沿架构创新
OpenMythos 完整实现了Recurrent-Depth Transformer（RDT）这一核心假设——同一套权重在单次前向传播中循环执行最多 16 次，以迭代方式在连续隐空间中完成推理。开发者可以通过阅读和运行这约 600 行核心代码，亲手验证：
- 循环推理如何实现“越想越深”：每循环一次隐藏状态更新一次，等效于模型多思考一步，且无需像 CoT 那样吐出中间 token。
- LTI 动力学约束：通过构造性谱半径小于 1 的注入矩阵，保证循环训练在数学上稳定，不会梯度爆炸或消失。
- MoE + 循环权重共享：不同循环深度激活不同的专家子集，同一套权重产生完全不同的计算路径，实现“广度与深度的化学反应”。
- Multi-Latent Attention (MLA)：将 KV 缓存压缩为低秩潜变量，节省 10–20 倍显存，适合长上下文场景。
这些技术细节在传统 Transformer 中无法接触到，而 OpenMythos 将它们全部开放给开发者学习和实验。
2. 以更低成本探索参数效率
实验数据显示，770M 参数的循环模型可达到约 1.3B 标准 Transformer 的质量——参数效率几乎翻倍。这对资源有限的开发者意义重大：
- 可以用更少的 GPU 显存训练/部署同等能力的模型，降低硬件门槛。
- 通过调整
max_loop_iters<