Jason Wei：为何小模型加工具无法取代大模型缩放
_jasonwei · x · 2026-08-18
Jason Wei 回顾并修正了自己关于“小模型+强工具”的思考。此前许多人认为，拥有足够强“认知核心”（如 1B 参数）的模型配合工具（联网、代码执行）就能解决复杂任务，理论上几乎无所不能。
但他现在认为这种观点完全错了，核心原因在于速度与自然性：
- 速度需求：用户希望获得即时答案，而非等待模型反复调用工具检索。
- 知识内化优势：某些宏观观点或统计信息（如大众对某音乐节的看法）需基于海量数据通过反向传播习得，这比检索前三条搜索结果更准确、全面。
- 可靠性：长链条任务中，频繁调用外部工具会增加错误概率，不如直接内化知识稳定。
结论是，虽然工具能提升小模型能力，但参数内化带来的知识广度和反应速度至关重要，因此仅靠 1B 模型做“认知核心”是不够的，Scaling Law 依然有效。
「漫话AGI」频道最新
- OpenAI "失控" 事件批判：掩盖人为设计的"无处系统" — round · 2026-08-18
- 观点：小模型追平大模型将戳破 AI 算力泡沫 — bindureddy · 2026-08-18
- Dario 观点引热议：AI 治癌炒作泛滥，缺数据是核心瓶颈 — jasonkwon · 2026-08-18
- Anthropic 高管预测算力年增2-3倍，智能成本年降10倍 — AccBalanced · 2026-08-18
- 预测 OpenAI Astra 将在长程多智能体协作上取得突破 — daniel_mac8 · 2026-08-18
- 曝 OpenAI 新模型 Astra 拟周四发布，能力达 AGI 级别 — VraserX · 2026-08-18