国产开源大模型又出狠活！一个只有二十亿参数的模型硬是在全球评测里把四十亿参数级别的对手全部甩在身后, 这数据让业内都看呆了。

端侧模型迎来转折点

国产AI厂商面壁智能在九月九日做了一件大事, 联合开源社区发布了新一代的二代减二B模型, 的此类这款专为手机端、电脑本地设备设计的语言基座模型, 体积小巧但能力超强。

传统观点认为参数越大模型越强，因此大家都都盯着着几十亿参数甚至到几百亿参数的模型去卷。-2B的出现打打破破了这个观念, 证明了特殊定的场景下, 小参参数类模型完全可以做到够且好用, 这也才是是普通用户真正正需要需要的。

榜单数据断层式领先

按AA榜单的最新评测结果显示,-2B在4B以下规模的开源模型里取得了第一,综合得分23分, 更离谱是它在智能体功能项目中, 拿到了20分, 但同级别的LFM2.5-2.6B、4.2 3B这些模型仅获得2分, 差距完成十倍以上。

在覆盖代码推理、数学推理、指令遵循、综合知识、长文本、工具调用和智能体任务的三十四项基准测试里, 二B平均得分五十三点九分, 不光超过同级别第二名的三十三点二分, 还打败了表现最好的四B模型Qwen三点五四B。

工具调用能力成亮点

这款模型支持工具调用、深度搜索、代码生成之类的多种任务, 官方称已初步实现端侧通用Agent的雏形, 这意味着你的本地电脑或者手机可以独立完成更繁杂的任务, 无需每次都把数据传输到云端。

于开发者自身讲, 工具调用能力为构筑智能体的核心根基。存该能力的条件下, 模型可以调用外部API、运行软件、检索信息等, 功能界限被大幅拓阔。这是2B能在智能体专项评测中获取高分的主要缘由。

强化学习框架同步开源

随模型一道开源的还有面壁智能自研的强化学习框架Meshy和基于奖励的强化学习策略II。这两类组件是模型能力强大的幕后功臣, 令模型在训练流程里能不断自我优化。

强化学习框架的源开者源头开可以根自己的需对型进行再调再适配, 再提升特定特定场景下表现, 化及不同不同场景适配性而言、不同不同层面研究与使用群体而言实属个好的利好消息, 且降低使用高阶模的技术障以高成本投入门槛。

真实任务表现令人惊喜

以整千分为划取人类表现的基线, 那-2B模型就在真实任务评测活动里斩获了八百九十一分, 低于四字节参数规模类模型阵营里稳居至排名首位。此分数所代表的模型性能已经逼近人类通常表现尺度, 能够就各类日常事务中自行全权处理相关事项。

占总量百分之九十九的人类水准听来没准还没完全尽善尽美, 但对于端侧模型而言这种数值已经称得上非同小可；用户足以在不用依托云端架构的状态里, 请托模型助力撰写代码、响应问题、梳理信息, 体感与支出全都更易于把控。

开源带来无限可能

两点B的开源链接包含模型文件数据文件, meshy框架还有II强化学习算法也一并开放。开发者可以直接下载模型开展本地的部署, 也可以对框架做二次的开发。

此次开源使得更多中小型企业与普通开发者有时机接触到顶尖AI能力, 不再被高昂云服务费用拦在门外。国产AI生态的繁华, 离不开这种开放共享的精神。你觉着这个小参数模型会在哪些场景率先爆发? 欢迎到评论区说说你的念头, 如果觉着有用记着点赞分享！