您现在的位置是：网站首页>NBANBA

疯狂魔鬼城电玩城下载

孔笑蓝 2025-05-13 【NBA】 8618 人已围观

上个月⑥，阿里巴巴旗下的通义平台正式推出了新一代模型Qwen3④，登顶全球最强开源模型榜单⑲。

值得注意的是⑳，Qwen3系列模型共包含8款不同尺寸③，除了两个参数为30B和235B的MoE大模型外⑤，阿里本次推出了6款Dense模型⑫，6个是稠密模型①，参数从0.6B到32B不等①。

阿里一向非常重视小尺寸模型❷，这也算不上新闻了⑩，不过其中最小的0.6B模型参数量仅为6亿⑨，作为对比❷，2019年2月发布的GPT-2参数量都有15亿❶。这个模型的实际表现如何⑯，让人相当好奇⑭。

为此⑳，我们请教了一些专业开发者⑫，并且自己也进行了测试⑫，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❸，实际回答效果也能够差强人意②。而4B④、8B等参数量的模型则有着更好的表现❷。

对于一次性更新八个开源模型的原因⑯，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⑫。比如手机端侧可以用4B⑬，电脑或汽车端侧推荐8B❸，32B是企业最喜欢的尺寸⑯，能商用大规模部署⑦。

除了尺寸之外⑩，有开发者指出⑤，采用稠密架构的小模型①，也比MoE的稀疏架构更适合企业的实际业务场景⑫。在可以预见的未来①，B端市场还是大模型变现的最重要场景⑧，凭借快人一步的小尺寸模型布局⑮，阿里正在这场竞争中抢占先机❷。

什么是稠密模型❷？

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▓，且所有参数对所有输入样本全局共享的模型⑳。

相比使用稀疏模型MoE架构只会调用部分的参数资料①，Dense模型对于任意输入⑳，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❸，都是以稠密架构为主⑬。

以OpenAI为例⑮，其GPT系列在GPT3前均使用了Dense模型⑬，而后续GPT版本由于其闭源的特性②，我们暂时不得而知其采用了哪类架构⑫。

作为深度学习的 “基石”⑮，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⑫、实时性或资源受限的场景⑰。

但是随着Scaling Law之下②，大模型训练所需的参数量呈几何增长▓，稠密模型的训练成本逐渐让人难以承受⑫，并且能力提升幅度也逐渐遭遇瓶颈⑥，暴露了较难适应多样化场景的问题⑳。为此②，MoE模型作为解决方案应运而生②。

相比于参数愈发膨胀的稠密模型⑧，MoE架构是节约资源的一种设计②，通过引入稀疏门控机制⑮，每次执行任务时只需要激活少数相关的子模型❷，从而降低训练和推理成本❷。DeepSeek V3就是凭借MoE架构⑳，实现了惊人的成本下降⑰。

但是MoE架构也有缺点▓，如增加通信成本⑬、微调中容易出现过拟合等⑤。而稠密模型由于推理时计算路径固定⑱，无动态路由开销⑩，反而相比Moe架构更加适合实时在线客服⑧、商品推荐⑬、金融风控等需要低延迟响应的场景⑮。

稠密模型除了有更加合适的匹配场景③，对于个人开发者而言⑮，Pytorch⑬、TensorFlow等深度学习工具链对稠密模型的优化已非常成熟⑳，从分布式训练到量化压缩⑫，形成了完整的技术栈⑦。而MoE模型的工程实现由于还处在技术迭代阶段⑪，相比Dense模型没有一套完整成熟的方案⑨，对于个人开发者落地成本较高⑭。

小模型能跑成啥样⑦？

那么作为小而美的模型⑭，其运行门槛到底有多低⑰？又会不会存在小而弱的情况呢▓？

在运行门槛层面⑥，有开发者对观察者网表示⑱，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⑤。

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CPU⑭，最为接近的是发售于2014年的骁龙801芯片⑫。该芯片为28nm制程①，搭载4核2.5G CPU⑥，并搭载了一颗Adreno 330的GPU❷，当年发售的小米4①、三星Galaxy S5①、OPPO Find7等手机均采用了该款芯片⑥。

而这款当年的旗舰芯片放到2025年是妥妥的过时硬件⑰，以小天才电话手表Z10为例⑥，其搭载的高通W5芯片采用4nm架构▓，四核Cortex-A53的CPU⑰，在Geekbench5单核跑分约500分❶，碾压了骁龙801的200分⑬。也就是说单核角度③，现在小天才电话手表的CPU都是骁龙801的两倍④。

更值得注意的是▓，该开发者表示④，其采用的设备只有CPU⑨，没有GPU③。也就是说无论是10年前的小米手机⑤，还是如今的小天才电话手表⑨，都硬件性能都能支持顺利运行Qwen3 0.6B的模型⑦。

观察者网也在iPhone 16 Pro Max和索尼Xperia Z5上进行了测试⑱。

在没有任何优化的情况下⑥，两款手机均能运行Qwen3 0.6B参数的Dense模型⑫。不过在响应速度上③，在关闭推理模式时⑲，苹果手机可以做到实时响应⑩，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⑦，苹果手机则依然能迅速响应❷，索尼手机则需要接近10秒的时间才能响应⑩，出现了显着的延迟情况⑧。

而在具体的问答环节⑦，在没有任何优化和适配的情况下⑬，对其提问“天空为何是蓝色的”和“生蚝是生的还是熟的”②，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⑳。

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⑥，同样询问其“生蚝是生的还是熟的”问题后②，它能够准确回答出“生蚝”是名字⑬，不是状态⑮，可以是生的⑲，也可以是熟的⑫。

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⑪，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②，主流电脑基本均可以本地运行Qwen3-8B模型⑰，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▓，相比满血MoE大模型并不存在极其巨大的使用差距⑥。

Qwen3发布后③，上下游供应链第一时间进行适配和调用⑧，尤其是强调了对小尺寸模型的适配⑧，体现了业内对其能力的认可⑫。

英特尔官方网站显示⑭，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❸，使得搭载小模型的AI PC也能成为用户助手④。

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⑬，覆盖235B⑤、32B❷、30B⑦、14B⑥、8B⑫、4B❶、1.7B⑦、0.6B各种参数⑪。

抢占AI应用爆发窗口期❷、如果说阿里更新的32B以上模型是为了对标乃至超越DeepSeek-R1⑳，那么在小模型的技术线上⑱，阿里又意欲何为呢▓？

我们在解释Dense模型的特性时就提到❸，相比MoE模型⑭，Dense模型更加适合一些需要准确性和实时反馈的业务场景⑱，而阿里所在的电商⑮、物流②、金融科技等领域⑬，天然就对大模型幻觉存在较低的容忍度⑦。Dense模型相比MoE模型⑬，会更加容易适配诸如商品智能推荐❸、智能客服②、智能家居⑩、智能眼镜▓、自动驾驶③、机器人等领域领域⑩，与阿里自身的业务板块和未来的发力方向较为契合⑰。

而且❶，相比上一代模型支持29种语言⑮，本次阿里开源大模型支持119种语言①。对于阿里国际站⑪、速卖通等平台覆盖的全球 200 多个国家和地区❶，多语言尤其是小语种支持可直接降低语言壁垒⑳，提升用户体验⑲，属于AI赋能自身业务的直观体现⑩。

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⑨。Qwen3系列模型依旧采用宽松的Apache2.0协议开源⑨，全球开发者③、研究机构和企业均可免费在魔搭社区⑰、HuggingFace等平台下载模型并商用⑩，也可以通过阿里云百炼调用Qwen3的API服务⑲。

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⑧，在很多场景⑥，小模型才是真正能干活的模型⑧。

有人解释道：“很多业务QPS都是以万为数量级⑭，而业务链路对于延迟的要求又极为严格④，这种场景根本没法塞一个大模型进去⑤，哪怕是用7B级别的模型▓，对于显存都是巨大的负担③。对于绝大部分无法承担高额预算的企业⑯，0.6B▓、1.7B的小模型有着巨大的应用价值①，不仅能少吃资源④，还能支持高并发⑪。”

其补充表示：对于一些轻量的任务⑧，不需要模型懂很多道理⑬，只要能够对输入有感知④，能够识别信号输出③，就是合格的模型了⑰。Qwen小模型的出现取代了TinyBERT②，只要能够实现快速⑱、轻量⑤、稳定⑰，那么这个模型在工业界就有很大的应用潜力⑪。

另一位开发者则对观察者网表示：“Qwen3-0.6B具有参数少⑬、本地跑的特性⑨，非常适合微调成匹配单一小任务的模型⑯，比如文章提取⑬、样式整理⑯、数据转化▓，相比大模型存在巨大的性价比优势▓。”

据了解⑪，目前已有企业使用Qwen3的0.6B模型在边缘设备部署⑪，实时分析传感器数据⑧。

除了赋能自身业务和吸引开发者生态❸，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④。

2024年底至2025年初⑰，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⑨，将AI应用“通义”并入智能信息事业群③，整合天猫精灵与夸克团队⑧，并聘请顶尖AI科学家许主洪负责AI To C业务研发❶。

有市场人士认为①，此轮调整的背景是阿里通义APP的普及率不及预期⑮。

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⑰，曾为阿里的B端企业服务及开发者生态提供了有力支撑⑬。诸如飞猪旅行借助通义千问多模态模型①，实现了用户方言语音规划行程的功能⑯；Rokid AR眼镜搭载其技术后⑱，能够进行实时翻译⑭。通义千问在大模型开源上跑得很快⑨，但是⑲，其“通义”App在C端应用上并没有使出“撒手锏”⑪。

AI市场竞争激烈⑯，的混元大模型依托微信庞大的用户基础和生态优势⑨，在微信多个入口为元宝争取亮相的机会⑥，对C端用户形成“茧房式包裹”①。字节跳动旗下的豆包借助抖音的推流优势④，在2024年11月MAU飙升至5998万⑮，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⑳。第三方数据显示❷，2025年3月⑬，夸克的MAU达到1.48亿⑤，登上国内AI应用榜首⑫。

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⑪。通义千问专注于支撑云上智能⑯，夸克则着力打造端侧入口⑥，协同推动阿里AI To C战略的落地⑪。

随着C端渗透率不断提升⑬，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⑭。如果能够用小尺寸模型承接更多C端用户需求❶，对于阿里自身成本控制和用户体验⑬，都会有潜在的重要意义❶。

很赞哦⑭！

随机图文