Deel 推出专用 HR 与薪酬 AI 模型 Pangaea，聚焦成本、速度与专业性平衡

人力资源团队向AI助手咨询员工休假事宜时，需要的不仅是一个令人信服的解释，还需要适用于相关国家的准确规则，并且响应速度要足够快，以便在错误影响到工资单之前帮助相关人员做出决策。

薪酬与人力资源软件公司今日 Deel 押注于更小的AI模型——这些模型经过专门训练以理解特定工作场景——能够比目前最大的通用型替代方案更高效地回答许多此类问题。

今日，该公司宣布推出Pangaea——一对专用语言模型，以及Emet——一家提供专家创建的训练材料并评估AI性能的企业。

二者协同，使Deel既能提升自身助手的能力，又能将其背后的专业知识出售给其他AI开发者。

目前最明确的早期成果涉及Pangaea K1，即其知识模型。在Deel的评估中，K1得分为70分，而领先模型最高得分为75分；K1完成回答的中位时间为7.7秒。根据Deel向VentureBeat提供的资料，四款得分更高的对比模型所需时间介于14.8秒至28.4秒之间。

这些是公司自行报告、基于公司自研测试得出的结果。但它们阐明了一个实际的企业级问题：当软件供应商可自行训练一个更小的模型来处理重复性问题时，它究竟应投入多少成本调用外部AI模型？

两款模型，面向不同任务

Pangaea始于K1，该模型用于解答雇佣规则与运营流程问题；另一款为P1，专精于薪酬事务。

Deel采用具备可下载权重的现有模型进行适配，而非从头训练全新的基础模型。在书面回复VentureBeat时，该公司表示K1起始于一款未具名、含90亿参数的模型——这些数值参数决定了模型的行为方式。

Deel利用其内部参考材料继续训练该模型，随后借助一个能力更强的教师模型生成的示例，教导该模型生成答案。这一过程改变了模型本身，使其无需先检索每一份相关文档即可回忆信息。

该公司称，其参考资料库包含逾43,500页内容，由逾2,000名就业法律、人力资源、薪酬管理及监管要求领域的专家维护。K1的训练材料包括对上述事实的重写版本，以及少量通用文本，总计约12亿个token。

P1则走了一条不同的路径。Deel表示，它基于 Nvidia的Nemotron系列模型， 并由AI21 Labs使用Emet生成的薪酬实例开展进一步训练。Deel尚未披露所用Nemotron的具体版本或K1底层模型的确切身份。

对雇主而言尤为关键的是，Deel表示，此次发布的两款模型均不会从可识别的员工信息或客户真实薪酬记录中学习。训练所用材料均为专家准备的文档与示例。

升级发生在Deel内部

客户将通过 Deel AI——即已嵌入其软件中的助手——接触到Pangaea。其预期工作包括解释当地雇佣要求、休假权益及薪酬问题。

这并不意味着每个问题都会交由Pangaea处理。Deel仍保留通用型模型，用于需其能力支持的请求，包括更广泛的推理及复杂智能体工作流。

在VentureBeat的一次采访中，Deel认定的产品高级总监Abhijit Mehta描述了一种依据问题类型在多个模型间进行选择的系统。

“我们为最佳任务挑选了最佳模型，”Mehta表示。

客户无需自行做出该选择。

“他们只需以我们所能达到的最快速度获得最佳答案，”Deel联合创始人兼首席执行官Alex Bouaziz告诉VentureBeat。

Deel通过模型上下文协议（Model Context Protocol，简称MCP）与Claude建立的独立连接仍属另一安排。公司澄清道，用户若从Claude发起对Deel的查询，仍将收到Claude基于该连接所提供信息生成的回应；接入Deel并不会自动将Claude切换至Pangaea。

Deel还表示，文档检索在K1之外依然有用：它可提供引文、核实细节，并涵盖训练完成后发生的变更。掌握雇佣规则并不能消除核查这些规则是否已更新的必要性。

基准测试实际揭示的内容

EmBench Global Work测试涵盖601个问题，涉及公司规程与国际雇佣主题。Deel向竞品模型开放了对同一参考资料库的搜索权限，并使用另一AI模型对其答案中的各项事实进行评分。

其基准测试图表显示，K1得分为70，高于得分为69的Gemini 3.8 Flash、得分为59的GPT-6 Sol及得分为52的GPT-6 Luna。DeepSeek V4.1 Flash以75分居首，其后依次为Claude Opus 5.5（74分）、GLM 5.3 Flash（72分）及Claude Sonnet 5.5（71分）。

因此，该对比并未确立K1为最准确选项。它仅表明，在此项特定评估中，一款专用模型在接近领先者得分的同时，能更快完成回答。

训练亦大幅改变结果。Deel的图表显示，原始90亿参数模型在无搜索条件下的得分为19，启用搜索后为46，而经适配后的K1得分为70。

这些分数描述的是Deel评分方法下的表现。70分本身并不意味着该系统能正确完成70%的薪酬交易，或可独立授权雇佣决策。

该测试还比较了采用不同方法的完整系统：K1依靠回忆已学信息作答，而竞品则依赖检索。这反映了Deel的产品设计，但并非对底层模型的普适性排名。

Emet还推出了EmBench Payroll评估，该评估依托专家对各国薪酬要求的专业知识。Deel表示，P1在该测试的难题部分表现接近领先模型。这是与K1结果相独立的主张；两项评估均未确立其在所有国家及薪酬场景下的可靠性能。

VentureBeat在报道期间无法访问公开基准测试网站，亦未独立复现上述分数。

Deel为何希望开展AI训练业务

Emet的范畴远超对Deel自有聊天机器人的检验。

该公司描述了三项服务：评估、专家制作的训练示例，以及AI系统尝试执行商业任务并接受自动化检查反馈的实践环境。

其商业论点立足于Deel现有的基础设施。其 上市公司简介 列明客户逾40,000家，业务遍及150个国家。Deel已在各司法管辖区持续招募、验证、签约并支付专家酬劳；Emet则将这套机制应用于创建和评估AI训练材料的相关人员。

Bouaziz表示，Deel已开始与多家主要AI实验室合作，尽管他在采访中未透露具体名称。他视企业运营为一项机遇，可向开发者提供其在通用聊天与编程之外拓展时所需的专家知识。

Deel 充当最初的试验场。专家识别出不足之处，准备额外的示例，并对后续版本进行评估。梅赫塔（Mehta）表示，团队在过去三周内每天都在内部更新模型版本，并预计最终可能采用每周更新一次的时间表。

这仍是一种预期，而非承诺的发布时间表。

新产品的推出还起到补充作用。 Akai——Deel 单独提供的自动化平台。Akai 协调执行运营工作流的智能体；Pangaea 提供专业领域的答案；Emet 则开发用于提升模型性能的材料与测试。使用 Akai 的客户无需另行订阅 Deel 的薪资或人力资源服务。

企业级应用的关键在于成本与控制权。

对 Deel 而言，更快的响应速度可为客户带来益处，而更低成本的模型调用则有望改善其整个软件中 AI 服务交付的经济效益。

布阿齐兹（Bouaziz）强调，面向客户的 AI 支出会影响毛利率。将更多专业领域请求迁移至公司自主掌控的模型上，可降低对外部供应商的依赖，并使服务此类请求的成本更易于管理。

这不同于证明总体拥有成本更低。训练、托管、评估、文档维护及专家评审仍需投入资源。所审阅的材料并未确立经独立验证的月度节省金额。

Deel 表示，其助手功能仍属于现有产品订阅的一部分，不会就每个问题单独收费。该公司尚未宣布提供可下载的 Pangaea 模型权重，也未推出具备公开使用价格的自助式 Pangaea API。Emet 将潜在客户引向按项目单独界定范围的合作方式，而非提供公开价目表。

因此，对企业买家而言，当前的直接价值主张是在现有服务内实现升级；对 AI 构建者而言，Emet 则提供了获取专业化示例及评估专业知识的潜在渠道。

更大的考验在于：Deel 能否在保持跨司法管辖区答案时效性的同时，持续维持其速度与成本优势。其自身结果已显示出必须权衡的平衡点：专业化使较小规模的模型具备竞争力，但某些通用型系统仍能给出更准确的答案。