您现在的位置是：网站首页> 中国足球中国足球

唐朝电玩城tc6官网下载

唐新巧 2025-05-13 【中国足球】 5245 人已围观

上个月❷，阿里巴巴旗下的通义平台正式推出了新一代模型Qwen3②，登顶全球最强开源模型榜单⑦。

值得注意的是②，Qwen3系列模型共包含8款不同尺寸⑰，除了两个参数为30B和235B的MoE大模型外①，阿里本次推出了6款Dense模型❷，6个是稠密模型⑥，参数从0.6B到32B不等⑥。

阿里一向非常重视小尺寸模型④，这也算不上新闻了①，不过其中最小的0.6B模型参数量仅为6亿⑩，作为对比③，2019年2月发布的GPT-2参数量都有15亿⑧。这个模型的实际表现如何⑤，让人相当好奇⑱。

为此⑬，我们请教了一些专业开发者⑦，并且自己也进行了测试④，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⑥，实际回答效果也能够差强人意⑱。而4B③、8B等参数量的模型则有着更好的表现⑩。

对于一次性更新八个开源模型的原因⑨，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⑯。比如手机端侧可以用4B⑥，电脑或汽车端侧推荐8B❸，32B是企业最喜欢的尺寸⑰，能商用大规模部署⑮。

除了尺寸之外④，有开发者指出⑥，采用稠密架构的小模型③，也比MoE的稀疏架构更适合企业的实际业务场景①。在可以预见的未来❷，B端市场还是大模型变现的最重要场景⑲，凭借快人一步的小尺寸模型布局③，阿里正在这场竞争中抢占先机⑧。

什么是稠密模型①？

所谓稠密模型❶，是指神经网络中层内神经元之间通过全连接方式连接⑬，且所有参数对所有输入样本全局共享的模型⑩。

相比使用稀疏模型MoE架构只会调用部分的参数资料⑨，Dense模型对于任意输入⑫，模型的所有参数都会被激活并参与计算③。

早期人们熟悉的大模型⑮，都是以稠密架构为主①。

以OpenAI为例⑤，其GPT系列在GPT3前均使用了Dense模型❸，而后续GPT版本由于其闭源的特性⑤，我们暂时不得而知其采用了哪类架构⑨。

作为深度学习的 “基石”②，稠密模型其核心价值在于简单性③、高效性和普适性❸，适用于大多数标准化⑧、实时性或资源受限的场景⑭。

但是随着Scaling Law之下⑳，大模型训练所需的参数量呈几何增长①，稠密模型的训练成本逐渐让人难以承受❷，并且能力提升幅度也逐渐遭遇瓶颈⑱，暴露了较难适应多样化场景的问题⑲。为此⑬，MoE模型作为解决方案应运而生③。

相比于参数愈发膨胀的稠密模型⑨，MoE架构是节约资源的一种设计⑯，通过引入稀疏门控机制⑦，每次执行任务时只需要激活少数相关的子模型⑱，从而降低训练和推理成本❸。DeepSeek V3就是凭借MoE架构②，实现了惊人的成本下降④。

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⑳。而稠密模型由于推理时计算路径固定④，无动态路由开销❶，反而相比Moe架构更加适合实时在线客服⑧、商品推荐⑧、金融风控等需要低延迟响应的场景❸。

稠密模型除了有更加合适的匹配场景①，对于个人开发者而言⑭，Pytorch▓、TensorFlow等深度学习工具链对稠密模型的优化已非常成熟⑩，从分布式训练到量化压缩❶，形成了完整的技术栈⑧。而MoE模型的工程实现由于还处在技术迭代阶段⑬，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⑫。

小模型能跑成啥样⑭？

那么作为小而美的模型⑮，其运行门槛到底有多低⑲？又会不会存在小而弱的情况呢⑮？

在运行门槛层面❶，有开发者对观察者网表示④，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⑲。

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CPU③，最为接近的是发售于2014年的骁龙801芯片⑩。该芯片为28nm制程⑤，搭载4核2.5G CPU⑳，并搭载了一颗Adreno 330的GPU❶，当年发售的小米4⑱、三星Galaxy S5⑰、OPPO Find7等手机均采用了该款芯片⑭。

而这款当年的旗舰芯片放到2025年是妥妥的过时硬件⑫，以小天才电话手表Z10为例⑦，其搭载的高通W5芯片采用4nm架构⑰，四核Cortex-A53的CPU⑫，在Geekbench5单核跑分约500分❶，碾压了骁龙801的200分⑩。也就是说单核角度②，现在小天才电话手表的CPU都是骁龙801的两倍②。

更值得注意的是❸，该开发者表示⑬，其采用的设备只有CPU❸，没有GPU▓。也就是说无论是10年前的小米手机①，还是如今的小天才电话手表⑰，都硬件性能都能支持顺利运行Qwen3 0.6B的模型⑬。

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①，两款手机均能运行Qwen3 0.6B参数的Dense模型⑤。不过在响应速度上⑧，在关闭推理模式时⑥，苹果手机可以做到实时响应⑦，索尼手机可以做到延迟1秒左右响应⑨，而在开启了推理模式后⑪，苹果手机则依然能迅速响应⑤，索尼手机则需要接近10秒的时间才能响应⑯，出现了显着的延迟情况⑫。

而在具体的问答环节❷，在没有任何优化和适配的情况下⑪，对其提问“天空为何是蓝色的”和“生蚝是生的还是熟的”⑳，Qwen3 0.6B没能丝滑应对脑筋急转弯⑭，但也给出了勉强可用的回答⑨。

Qwen3 0.6B回答生蚝问题

相比之下⑮，4B的模型性能又有显着提升⑬，同样询问其“生蚝是生的还是熟的”问题后⑭，它能够准确回答出“生蚝”是名字⑩，不是状态⑧，可以是生的⑮，也可以是熟的❶。

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⑥，Qwen3-4B性能可与Qwen2.5-72B-Instruct媲美▓，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⑧，主流电脑基本均可以本地运行Qwen3-8B模型⑥，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②，相比满血MoE大模型并不存在极其巨大的使用差距⑬。

Qwen3发布后⑰，上下游供应链第一时间进行适配和调用⑳，尤其是强调了对小尺寸模型的适配▓，体现了业内对其能力的认可⑮。

英特尔官方网站显示⑳，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❷，使得搭载小模型的AI PC也能成为用户助手⑲。

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⑱，覆盖235B⑲、32B⑰、30B①、14B❶、8B⑮、4B①、1.7B⑪、0.6B各种参数❸。

抢占AI应用爆发窗口期▓、如果说阿里更新的32B以上模型是为了对标乃至超越DeepSeek-R1④，那么在小模型的技术线上⑫，阿里又意欲何为呢⑳？

我们在解释Dense模型的特性时就提到②，相比MoE模型⑮，Dense模型更加适合一些需要准确性和实时反馈的业务场景⑦，而阿里所在的电商⑩、物流⑪、金融科技等领域⑫，天然就对大模型幻觉存在较低的容忍度❸。Dense模型相比MoE模型①，会更加容易适配诸如商品智能推荐⑯、智能客服❶、智能家居⑦、智能眼镜⑨、自动驾驶⑯、机器人等领域领域⑦，与阿里自身的业务板块和未来的发力方向较为契合⑥。

而且⑤，相比上一代模型支持29种语言⑧，本次阿里开源大模型支持119种语言⑳。对于阿里国际站⑳、速卖通等平台覆盖的全球 200 多个国家和地区⑲，多语言尤其是小语种支持可直接降低语言壁垒❶，提升用户体验⑱，属于AI赋能自身业务的直观体现④。

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①。Qwen3系列模型依旧采用宽松的Apache2.0协议开源③，全球开发者⑱、研究机构和企业均可免费在魔搭社区⑯、HuggingFace等平台下载模型并商用⑰，也可以通过阿里云百炼调用Qwen3的API服务❸。

具体到小模型在第三方的应用⑭，多位AI开发者对观察者网表示⑫，在很多场景②，小模型才是真正能干活的模型❸。

有人解释道：“很多业务QPS都是以万为数量级⑯，而业务链路对于延迟的要求又极为严格⑱，这种场景根本没法塞一个大模型进去①，哪怕是用7B级别的模型⑪，对于显存都是巨大的负担②。对于绝大部分无法承担高额预算的企业▓，0.6B⑫、1.7B的小模型有着巨大的应用价值⑭，不仅能少吃资源②，还能支持高并发⑥。”

其补充表示：对于一些轻量的任务⑦，不需要模型懂很多道理⑧，只要能够对输入有感知⑪，能够识别信号输出④，就是合格的模型了②。Qwen小模型的出现取代了TinyBERT⑨，只要能够实现快速⑫、轻量⑥、稳定⑨，那么这个模型在工业界就有很大的应用潜力⑬。

另一位开发者则对观察者网表示：“Qwen3-0.6B具有参数少❷、本地跑的特性⑮，非常适合微调成匹配单一小任务的模型⑪，比如文章提取⑮、样式整理❸、数据转化⑮，相比大模型存在巨大的性价比优势⑨。”

据了解⑧，目前已有企业使用Qwen3的0.6B模型在边缘设备部署⑥，实时分析传感器数据⑥。

除了赋能自身业务和吸引开发者生态⑦，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▓。

2024年底至2025年初⑦，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⑲，将AI应用“通义”并入智能信息事业群▓，整合天猫精灵与夸克团队⑭，并聘请顶尖AI科学家许主洪负责AI To C业务研发⑦。

有市场人士认为②，此轮调整的背景是阿里通义APP的普及率不及预期④。

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⑱，曾为阿里的B端企业服务及开发者生态提供了有力支撑①。诸如飞猪旅行借助通义千问多模态模型⑫，实现了用户方言语音规划行程的功能⑰；Rokid AR眼镜搭载其技术后❸，能够进行实时翻译⑤。通义千问在大模型开源上跑得很快⑨，但是⑯，其“通义”App在C端应用上并没有使出“撒手锏”❶。

AI市场竞争激烈❷，的混元大模型依托微信庞大的用户基础和生态优势❸，在微信多个入口为元宝争取亮相的机会▓，对C端用户形成“茧房式包裹”⑲。字节跳动旗下的豆包借助抖音的推流优势⑥，在2024年11月MAU飙升至5998万⑪，长期霸榜AI应用下载量榜单前三①。

不过阿里在C端依然有潜力应用夸克▓。第三方数据显示⑮，2025年3月❶，夸克的MAU达到1.48亿⑥，登上国内AI应用榜首⑲。

当前阿里的整体AI战略布局②，愈发强化通义千问与夸克的“双子星”格局⑩。通义千问专注于支撑云上智能⑰，夸克则着力打造端侧入口④，协同推动阿里AI To C战略的落地③。

随着C端渗透率不断提升⑤，算力成本会成为大模型企业不可承受之重⑱，DeepSeek就曾经在爆火出圈时遭遇算力崩溃①。如果能够用小尺寸模型承接更多C端用户需求❷，对于阿里自身成本控制和用户体验②，都会有潜在的重要意义❸。

很赞哦⑲！

随机图文