您现在的位置是：网站首页>人工智能人工智能

线上捕鱼的电玩城平台

孔念薇 2025-05-13 【人工智能】 9842 人已围观

上个月⑯，阿里巴巴旗下的通义平台正式推出了新一代模型Qwen3⑯，登顶全球最强开源模型榜单⑭。

值得注意的是⑨，Qwen3系列模型共包含8款不同尺寸⑬，除了两个参数为30B和235B的MoE大模型外❶，阿里本次推出了6款Dense模型▓，6个是稠密模型⑲，参数从0.6B到32B不等⑫。

阿里一向非常重视小尺寸模型⑧，这也算不上新闻了⑱，不过其中最小的0.6B模型参数量仅为6亿❷，作为对比⑧，2019年2月发布的GPT-2参数量都有15亿⑤。这个模型的实际表现如何⑤，让人相当好奇⑬。

为此⑪，我们请教了一些专业开发者▓，并且自己也进行了测试⑤，发现即使10年前的手机芯片都足以支持这款模型的推理运算③，实际回答效果也能够差强人意⑬。而4B⑱、8B等参数量的模型则有着更好的表现❸。

对于一次性更新八个开源模型的原因⑫，阿里云CTO周靖人表示：不同模型其实就是尽量满足从个人到企业的不同开发者的需求⑮。比如手机端侧可以用4B⑱，电脑或汽车端侧推荐8B⑥，32B是企业最喜欢的尺寸⑤，能商用大规模部署⑨。

除了尺寸之外④，有开发者指出③，采用稠密架构的小模型⑤，也比MoE的稀疏架构更适合企业的实际业务场景⑳。在可以预见的未来⑫，B端市场还是大模型变现的最重要场景⑦，凭借快人一步的小尺寸模型布局⑧，阿里正在这场竞争中抢占先机⑤。

什么是稠密模型⑯？

所谓稠密模型⑨，是指神经网络中层内神经元之间通过全连接方式连接❷，且所有参数对所有输入样本全局共享的模型❷。

相比使用稀疏模型MoE架构只会调用部分的参数资料❸，Dense模型对于任意输入❷，模型的所有参数都会被激活并参与计算⑦。

早期人们熟悉的大模型⑦，都是以稠密架构为主⑭。

以OpenAI为例❸，其GPT系列在GPT3前均使用了Dense模型⑲，而后续GPT版本由于其闭源的特性⑨，我们暂时不得而知其采用了哪类架构❸。

作为深度学习的 “基石”⑥，稠密模型其核心价值在于简单性①、高效性和普适性⑲，适用于大多数标准化①、实时性或资源受限的场景④。

但是随着Scaling Law之下⑭，大模型训练所需的参数量呈几何增长⑰，稠密模型的训练成本逐渐让人难以承受④，并且能力提升幅度也逐渐遭遇瓶颈②，暴露了较难适应多样化场景的问题❸。为此③，MoE模型作为解决方案应运而生⑩。

相比于参数愈发膨胀的稠密模型⑩，MoE架构是节约资源的一种设计❷，通过引入稀疏门控机制⑰，每次执行任务时只需要激活少数相关的子模型④，从而降低训练和推理成本②。DeepSeek V3就是凭借MoE架构⑩，实现了惊人的成本下降②。

但是MoE架构也有缺点④，如增加通信成本⑳、微调中容易出现过拟合等▓。而稠密模型由于推理时计算路径固定⑭，无动态路由开销⑤，反而相比Moe架构更加适合实时在线客服⑦、商品推荐⑳、金融风控等需要低延迟响应的场景⑧。

稠密模型除了有更加合适的匹配场景⑫，对于个人开发者而言⑭，Pytorch⑭、TensorFlow等深度学习工具链对稠密模型的优化已非常成熟⑫，从分布式训练到量化压缩⑤，形成了完整的技术栈⑬。而MoE模型的工程实现由于还处在技术迭代阶段⑯，相比Dense模型没有一套完整成熟的方案⑪，对于个人开发者落地成本较高⑦。

小模型能跑成啥样④？

那么作为小而美的模型❸，其运行门槛到底有多低①？又会不会存在小而弱的情况呢④？

在运行门槛层面⑳，有开发者对观察者网表示②，其成功将Qwen3 0.6B模型安装在一款搭载4核2.4G的CPU的设备中并成功运行⑩。

开发者将Qwen 0.6B植入应用生成回答

如果要用手机芯片对比该CPU⑧，最为接近的是发售于2014年的骁龙801芯片⑳。该芯片为28nm制程⑬，搭载4核2.5G CPU⑮，并搭载了一颗Adreno 330的GPU⑩，当年发售的小米4⑰、三星Galaxy S5❸、OPPO Find7等手机均采用了该款芯片⑦。

而这款当年的旗舰芯片放到2025年是妥妥的过时硬件⑳，以小天才电话手表Z10为例⑤，其搭载的高通W5芯片采用4nm架构⑨，四核Cortex-A53的CPU⑳，在Geekbench5单核跑分约500分③，碾压了骁龙801的200分▓。也就是说单核角度⑳，现在小天才电话手表的CPU都是骁龙801的两倍⑩。

更值得注意的是⑳，该开发者表示④，其采用的设备只有CPU⑤，没有GPU⑫。也就是说无论是10年前的小米手机⑩，还是如今的小天才电话手表▓，都硬件性能都能支持顺利运行Qwen3 0.6B的模型⑯。

观察者网也在iPhone 16 Pro Max和索尼Xperia Z5上进行了测试⑭。

在没有任何优化的情况下❷，两款手机均能运行Qwen3 0.6B参数的Dense模型⑪。不过在响应速度上⑰，在关闭推理模式时③，苹果手机可以做到实时响应④，索尼手机可以做到延迟1秒左右响应⑥，而在开启了推理模式后❷，苹果手机则依然能迅速响应⑳，索尼手机则需要接近10秒的时间才能响应▓，出现了显着的延迟情况❸。

而在具体的问答环节▓，在没有任何优化和适配的情况下④，对其提问“天空为何是蓝色的”和“生蚝是生的还是熟的”⑮，Qwen3 0.6B没能丝滑应对脑筋急转弯⑨，但也给出了勉强可用的回答❸。

Qwen3 0.6B回答生蚝问题

相比之下⑫，4B的模型性能又有显着提升①，同样询问其“生蚝是生的还是熟的”问题后⑳，它能够准确回答出“生蚝”是名字⑧，不是状态⑦，可以是生的❸，也可以是熟的⑱。

Qwen3-4B模型能够详细回答生蚝问题的答案

根据阿里官方的描述⑱，Qwen3-4B性能可与Qwen2.5-72B-Instruct媲美⑳，而Qwen考虑到目前智能手机基本均可以流畅本地运行Qwen3-4B模型⑭，主流电脑基本均可以本地运行Qwen3-8B模型④，这也代表着Qwen3小模型也可以完全胜任普通人需要的设备智能化的任务⑮，相比满血MoE大模型并不存在极其巨大的使用差距⑯。

Qwen3发布后⑮，上下游供应链第一时间进行适配和调用④，尤其是强调了对小尺寸模型的适配⑨，体现了业内对其能力的认可⑲。

英特尔官方网站显示⑦，英特尔在车端舱内和AI PC上都对新发布的Qwen3系列模型完成匹配⑩，使得搭载小模型的AI PC也能成为用户助手❷。

英特尔官方展示Qwen3-0.6B模型优化效果

国产芯片厂商海光信息也宣布其DCU完成对Qwen3全部8款模型的适配+调优⑮，覆盖235B⑳、32B⑪、30B①、14B❶、8B⑫、4B⑧、1.7B⑱、0.6B各种参数⑰。

抢占AI应用爆发窗口期④、如果说阿里更新的32B以上模型是为了对标乃至超越DeepSeek-R1⑩，那么在小模型的技术线上⑳，阿里又意欲何为呢❶？

我们在解释Dense模型的特性时就提到⑭，相比MoE模型⑤，Dense模型更加适合一些需要准确性和实时反馈的业务场景❸，而阿里所在的电商⑦、物流⑥、金融科技等领域⑤，天然就对大模型幻觉存在较低的容忍度⑭。Dense模型相比MoE模型❷，会更加容易适配诸如商品智能推荐⑨、智能客服⑳、智能家居⑨、智能眼镜⑯、自动驾驶⑲、机器人等领域领域⑲，与阿里自身的业务板块和未来的发力方向较为契合⑮。

而且⑧，相比上一代模型支持29种语言①，本次阿里开源大模型支持119种语言⑥。对于阿里国际站⑯、速卖通等平台覆盖的全球 200 多个国家和地区⑰，多语言尤其是小语种支持可直接降低语言壁垒⑧，提升用户体验⑯，属于AI赋能自身业务的直观体现③。

而119种语言的背后也代表着阿里在持续加码建设自己的开源生态❸。Qwen3系列模型依旧采用宽松的Apache2.0协议开源④，全球开发者①、研究机构和企业均可免费在魔搭社区④、HuggingFace等平台下载模型并商用⑭，也可以通过阿里云百炼调用Qwen3的API服务②。

具体到小模型在第三方的应用❶，多位AI开发者对观察者网表示⑨，在很多场景❶，小模型才是真正能干活的模型③。

有人解释道：“很多业务QPS都是以万为数量级▓，而业务链路对于延迟的要求又极为严格⑭，这种场景根本没法塞一个大模型进去⑲，哪怕是用7B级别的模型③，对于显存都是巨大的负担⑮。对于绝大部分无法承担高额预算的企业⑳，0.6B⑯、1.7B的小模型有着巨大的应用价值⑳，不仅能少吃资源①，还能支持高并发②。”

其补充表示：对于一些轻量的任务⑥，不需要模型懂很多道理⑪，只要能够对输入有感知⑧，能够识别信号输出⑦，就是合格的模型了⑬。Qwen小模型的出现取代了TinyBERT②，只要能够实现快速⑰、轻量❶、稳定⑲，那么这个模型在工业界就有很大的应用潜力⑱。

另一位开发者则对观察者网表示：“Qwen3-0.6B具有参数少⑰、本地跑的特性⑬，非常适合微调成匹配单一小任务的模型⑲，比如文章提取②、样式整理①、数据转化▓，相比大模型存在巨大的性价比优势▓。”

据了解❶，目前已有企业使用Qwen3的0.6B模型在边缘设备部署⑲，实时分析传感器数据⑤。

除了赋能自身业务和吸引开发者生态①，阿里也希望通过更加先进和适配的大模型抢占更多的C端入口❷。

2024年底至2025年初❶，阿里通过一系列组织架构调整和人才布局推进AI To C战略⑭，将AI应用“通义”并入智能信息事业群④，整合天猫精灵与夸克团队▓，并聘请顶尖AI科学家许主洪负责AI To C业务研发③。

有市场人士认为⑫，此轮调整的背景是阿里通义APP的普及率不及预期⑲。

通义千问凭借在多模态处理和复杂任务推理方面的技术优势⑪，曾为阿里的B端企业服务及开发者生态提供了有力支撑⑧。诸如飞猪旅行借助通义千问多模态模型⑯，实现了用户方言语音规划行程的功能⑩；Rokid AR眼镜搭载其技术后⑳，能够进行实时翻译⑩。通义千问在大模型开源上跑得很快①，但是⑰，其“通义”App在C端应用上并没有使出“撒手锏”❷。

AI市场竞争激烈❸，的混元大模型依托微信庞大的用户基础和生态优势⑳，在微信多个入口为元宝争取亮相的机会⑬，对C端用户形成“茧房式包裹”⑤。字节跳动旗下的豆包借助抖音的推流优势⑳，在2024年11月MAU飙升至5998万⑰，长期霸榜AI应用下载量榜单前三⑨。

不过阿里在C端依然有潜力应用夸克⑩。第三方数据显示⑦，2025年3月❶，夸克的MAU达到1.48亿①，登上国内AI应用榜首⑰。

当前阿里的整体AI战略布局❶，愈发强化通义千问与夸克的“双子星”格局③。通义千问专注于支撑云上智能②，夸克则着力打造端侧入口⑯，协同推动阿里AI To C战略的落地❶。

随着C端渗透率不断提升③，算力成本会成为大模型企业不可承受之重⑤，DeepSeek就曾经在爆火出圈时遭遇算力崩溃④。如果能够用小尺寸模型承接更多C端用户需求⑫，对于阿里自身成本控制和用户体验④，都会有潜在的重要意义⑮。

很赞哦⑬！

随机图文