根據觀察，現在阿里開發 #Qwen 的策略是類似以前 Intel 的 tick-tock，例如 Qwen 3.5 是新架構， Qwen 3.6 是優化訓練數據。
| Github | https://github.com/cosmoswafer |
H@R0👨🏻💻
@quetalocatl
- 24 Followers
- 120 Following
- 1.4K Posts
普通的一個人
新架構主要反映的是推理速度和硬件要求上，例如 Qwen 3.5 對記憶體的要求就大幅下降，最具代表性的就是 Qwen 3.5 27b，可以在24GB VRAM的顯卡上運行，context window佔用的記憶體也大幅減少。
很多人說中國的 LLM AI 落後，其實相比美國已經沒太多差距，"開源“的LLM目前是全方位超遠美國。你可以認為”開源“會比”閉源“落後，但長遠來講，因為”開源“的特性，所謂三個臭皮匠勝過一個諸葛亮，一定會追得上的。
從 #Qwen 3.6 27B 可以看到，現在LLM大模型的訓練已經很成熟，參數量少的模型主要是能夠輸出的內容較短，“知識”亦少一點。根本的原因是“壓縮”，因為參數量少“壓縮率”高，要控制失真低便只能縮短輸出的內容的“量”和“質”，量就是輸出內容的長度，質就是某些“知識”。
根據經驗 DeepSeek V4 Pro 主要的場景應該是 Agent 多輪自主開發，即是現在很流行的 Hermes agent。假如是稍為傳統的 Copilot 那種開發工作，Flash應該就能勝任。 簡單來說 DeepSeek V4 Flash 主要用在在日常任務中 (Everyday task)，而 Pro 模型是自主執行數小時的工作流才需要用。
結果都加價了 😂
以前 #DeepSeek 只有一個模型，能力與其他 Gemini Pro 或 Claude Opus 同級，現在多了一個Flash的低配版DeepSeek，價錢和以前的差不多，但對標的是 Gemini Flash 或 Claude Sonnet，變相是加價了。現在它的定位相當微妙，Pro的價錢在Qwen Max和Plus之間，相信能力不下於Qwen 3.6 Plus。依然是極具性價比，而且DeepSeek v4 Flash價錢是冠絕全球的便宜。暫時沒開始測試但如果和宣傳的一樣，相信 DeepSeek v4 Flash 會有接近 Qwen 3.6 Plus的智力，而且遠高於 Gemini 3.1 Flash，有可能會有 Claude 4.7 Opus 的八成。相信在大多數場景下都不會感覺到有區別。
有時唔係做野做得唔好，而係做出黎件貨出唔出去老闆個門口
