工具推荐·阅读约 2 分钟·
FUTO Swipe:开源滑行输入模型挑战 Gboard,247 点 Hacker News 热议

FUTO Swipe:开源滑行输入模型挑战 Gboard,247 点 Hacker News 热议

FUTO 开源了 FUTO Swipe——一套完整的滑行输入(swipe typing)模型套件,包含编码器、解码器和小型语言模型,总参数仅 250 万,可在低端设备上毫秒级运行。在 Hacker News 上以 247 分引起热议,社区评价其准确率已匹敌 Gboard。

原文来源:FUTO Swipe — FUTO 开源滑行输入系统,包含三个轻量级模型和一个 C++ 推理库,专为离线隐私优先的移动键盘设计,总参数仅 250 万,准确率匹敌 Gboard。

2026 年 6 月,FUTO 正式发布了 FUTO Swipe——一套完整的开源滑行输入(swipe typing)系统。该项目在 Hacker News 上以 247 分 登上首页,标题就是简洁的「Show HN: FUTO Swipe – A new swipe typing model」。

一、为什么滑行输入需要开源?

移动端键盘的滑行输入功能长期以来被几个大厂垄断——Gboard(Google)、SwiftKey(Microsoft)——它们的滑行模型要么不开源,要么依赖云端数据。如果你想在一个隐私优先的应用中集成滑行输入,你的选择几乎为零。

FUTO 本身就是一家以隐私为核心的公司。它的 Android 键盘应用承诺 100% 离线、100% 私密——不联网、不传数据、不存储任何击键记录。但要在离线条件下实现高质量的滑行输入,必须自己训练模型。

结果是 FUTO Swipe——从数据收集到模型训练到推理库,全部开源。

—— 广告 ——

二、技术架构:三个模型的分层设计

FUTO Swipe 不是单个模型,而是一个三件套:

模型参数量作用
Encoder635,140布局无关 + 语言无关的通用编码器,处理滑行路径到候选词的初步映射
ContextLM1,500,000(其中 110 万是嵌入层)极小型语言模型,利用前文词消除不合理候选,仅需文本数据即可训练
Decoder304,155语言相关 + 布局相关的解码器,学习特定布局的精确模式,实现最高准确率

活跃参数量:约 136 万 总参数量:约 250 万

这个体量意味着什么?作为对比,GPT-2 有 1.5 亿参数,LLaMA 最小的版本也有 70 亿。FUTO Swipe 的完整模型套件可以轻松塞进任何现代手机,甚至在低端设备上也只需几毫秒就能完成推理。

三、准确率表现

根据 FUTO 公布的基准测试:

  • Top-4 失败率:约 4%
  • 忽略 OOV(词表外单词):失败率低于 1%
  • 使用 Beam Width = 300 进行词典约束搜索

FUTO 自己的声明是:「这些数字高度依赖于基准测试,实际使用可能会有所不同,但我们相信我们已经匹敌了大厂键盘。」

这并非空话。HN 评论区的用户反馈也印证了这一点:

"我用滑行打字在这个键盘上打了一段,它跟 Gboard 一样好。"

"FUTO Swipe 在准确率上的相对错误率改进 vs Gboard……简直让我抓狂——因为很长时间以来,太多移动键盘允许完全不合理的连词。"

四、数据从哪里来?

FUTO 在 2024 年 8 月启动了一个众包数据集收集项目。用户自愿访问 swipe.futo.org,在手机上按照提示滑行输入句子(主要来自 Wikipedia)。整个过程是透明且有明确说明的。

结果:

  • 收集了 超过 100 万次滑行操作
  • 筛选后于 2025 年 3 月以 MIT 许可 在 Hugging Face 上开源
  • 从此不需要再依赖任何商业数据集

整个训练过程只需要 一块工作站 GPU——环境成本极低。

五、推理与集成

模型本身只是故事的一半。从滑行路径到单词预测,需要一套完整的推理流水线:

  1. 用户的手指在键盘上画出一条路径
  2. Encoder 将路径编码为特征
  3. 解码器 + 词典约束 Beam Search 找出最可能的候选词
  4. ContextLM 根据前文语境过滤不合理的候选项

FUTO 将这一切封装在一个 C++ 推理库 中,在 GitLab 上开源(GPL 许可),提供了从滑行路径到单词预测的完整管线。

开发者可以直接在 Android 应用、甚至 VR 环境或笔记本触控板中使用这套系统。

六、许可与使用

  • 模型权重:FUTO Model License(要求给终端用户显示归属)
  • 数据集:MIT 许可
  • 推理库:GPL
  • 桌面 Demoswipe.futo.tech 提供了在线体验

七、意义与局限

开源滑行输入的意义

  • 打破了 Gboard/SwiftKey 对滑行输入的事实垄断
  • 全套体系开源(数据→模型→推理库),任何人都可以复现和改进
  • 极小的模型体积意味着它可以在任何设备上运行,包括 IoT 和低端手机
  • 100% 离线运行,隐私上无可挑剔

需要注意的局限

  • 目前 Decoder 只支持 QWERTY 英语——其他布局和语言需要社区贡献数据
  • ContextLM 仅通过文本数据训练,未来可以通过更多数据进一步优化
  • FUTO Keyboard 本身是捐赠软件(一次性付费),但模型和推理库是开源可自由使用的
  • iOS 版本不支持(FUTO 明确表示不会开发 iOS 版,因为 Apple 对第三方键盘的限制太严)

对于独立开发者来说,FUTO Swipe 提供了一个难得的机会:如果你想在应用中集成滑行输入,现在有了一个完全离线、隐私优先、开源的选择。而对于所有关心移动端隐私的用户来说,FUTO Keyboard + FUTO Swipe 已经是 Gboard 之外最值得尝试的替代方案。

分享到
微博Twitter

© 2026 四月 · CC BY-NC-SA 4.0

原文链接:https://www.aprilzz.com/tools/futo-swipe-keyboard