中科大天才少年余家辉，扎克伯格1亿美金从OpenAI挖走他，做出Muse后离职创业

AI人物 | 感受他们为世界做出的贡献

拍一张卷子发给ChatGPT，它能认出上面的字，也能看懂图里的辅助线。

2025年4月16日，OpenAI一次发布了o3和o4-mini两个模型，官方给这项能力起的名字叫"用图像思考"：模型会自己把你传上去的图裁一刀、放大、转个角度，再把看到的东西放进推理过程里。

这个项目的负责人叫余家辉，OpenAI感知团队的负责人。他在个人主页上把分工写得很细：o3的多模态后训练负责人，o4-mini从预训练到后训练的总负责人，GPT-4o图像生成的预训练数据负责人兼后训练顾问。

2012年，慈溪中学到合肥

余家辉1995年生，浙江慈溪人。2012年考进中国科学技术大学少年班学院，学计算机。

少年班1978年开办，招的是还没读完高中的学生，报考时一般在读高二。他去的那年就是这样，高二，直接去了合肥。

本科四年，他打的是超算比赛

2015年全国并行应用挑战赛，中科大队伍拿下冠军，他在队里；大学生超算竞赛，他拿过季军。

超算比赛给你一堆机器和一道算不完的大题，看你怎么把活儿拆开分下去，让几百个核一起算还不出错。今天训练一个大模型，靠的就是这套本事。

UIUC三年，七家公司的实习

2016年本科毕业，他去伊利诺伊大学厄巴纳-香槟分校读计算机科学博士，导师是黄煦涛，计算机视觉这个领域最早的开拓者之一。

这个博士他读了三年。

三年里他在七家机构实习过：微软亚洲研究院、旷视、Adobe、Jump Trading、Snap、百度美国研发中心、英伟达。

2017年在Adobe实习期间，他做出了DeepFill。你在照片上框住不想要的路人，模型把人抹掉，再把背后的墙、树、地面补出来，补得看不出破绽。这两篇论文到今天被引用6588次（3620次加2968次），是他自己的第一批代表作。

Google四年：Conformer和Gemini

2019年5月，他进了Google，一待四年多。

2020年署名的Conformer是个语音识别模型，被引用5650次。按住手机说话转成文字、开会自动出字幕，用的就是这一路技术。

2022年他是CoCa的第一作者，一个图片和文字通吃的基础模型；同年参与的Parti是Google的文生图模型，打几个字出一张图。2023年他做到了Gemini多模态方向的共同负责人。Gemini是Google的旗舰大模型，那篇技术报告被引用10961次。

Gemini在2023年12月正式发布的时候，他已经不在Google了。那年10月，他去了OpenAI。

OpenAI两年：从GPT-4o到"用图像思考"

在OpenAI他带感知团队，管的是让模型看懂图、听懂声音这些非文字的输入。

2024年的GPT-4o，他做的是数据、编码器和预训练后训练的具体活。2025年的GPT-4o图像生成，他管预训练数据，兼后训练顾问。到了o3和o4-mini，他的名字进了负责人那一栏：o3的多模态后训练归他，o4-mini从预训练到后训练都归他。

Google学术上，他的论文总被引次数是56305次，h指数50。他2019年才博士毕业，到现在七年。

Meta一年：TBD Lab和Muse Spark

2025年6月底，Meta把他挖了过去，他成为超级智能实验室TBD Lab的共同创始成员，管多模态方向。

这次跳槽的价码被媒体反复提。能查证的只有两头：Sam Altman公开说过，Meta给他的员工开出过一亿美元签约金；Meta的首席技术官Andrew Bosworth后来澄清，那是含股票、奖金和在职年限的整包，不是一次性的签字费。余家辉本人从没谈过自己拿多少。

2026年，他带的团队接连交出Voice Mode、Muse Image、Muse Video，还有Muse Spark。Meta此前的Llama系列一直公开模型权重，Muse Spark是第一个不公开的旗舰模型。

2026年8月14日

Muse Spark 1.2更新完没几天，他在X上宣布离开Meta，去开一家新公司。

和Mark、Alex一起把TBD Lab建起来，是一段很有启发也很充实的经历。

他说自己越来越被一个问题吸引：对人类的未来非常重要，但还没有被充分探索。至于新公司叫什么、做什么、和谁一起做，他一个字没提，只说等事情成形了再分享。