谁需要大型AI模型？

AI领域持续快速发展，特别是自DeepSeek及其追随者推出以来。许多人得出结论，企业并不真正需要OpenAI、Meta和谷歌推广的大型昂贵AI模型，而是专注于更小的模型，如拥有24亿参数的DeepSeek V2-Lite，或拥有170亿参数的Llama 4 Scout和Maverick，这些模型能够以更低的成本提供不错的准确性。然而，对于程序员来说情况并非如此，或者更准确地说，对于那些能够并将会取代许多程序员的模型来说并非如此。"越小越好"的理念也不适用于推理或智能体AI——下一个重大发展方向。

AI代码生成器需要能够处理更大上下文窗口的大型模型，能够容纳大约10万行代码。支持智能体和推理AI的专家混合（MOE）模型也很庞大。但这些大型模型通常相当昂贵，在现代GPU上每百万输出Token的成本约为10到15美元。这为新型AI架构侵蚀GPU领域提供了机会。

Cerebras Systems推出搭载Qwen3-235B的大型AI

Cerebras Systems（寒武纪AI研究的客户）宣布支持大型Qwen3-235B，支持131K上下文长度（约200-300页文本），是之前可用长度的四倍。在巴黎的RAISE峰会上，Cerebras推广了阿里巴巴的Qwen3-235B，该模型使用高效的专家混合架构来提供出色的计算效率。但真正的新闻是，Cerebras能够以每百万输入Token和每百万输出Token仅0.60美元的价格运行该模型——不到同类闭源模型成本的十分之一。虽然许多人认为Cerebras晶圆级引擎价格昂贵，但这一数据颠覆了这种看法。

我经常被问到的一个问题是，如果Cerebras如此快速，为什么他们没有更多客户？一个原因是他们之前不支持大上下文窗口和更大的模型。例如，那些寻求开发代码的人不想将问题分解成更小的片段来适应32KB的上下文。现在，这个销售障碍已经消失。

"我们看到开发者对具有长上下文的前沿模型有巨大需求，特别是用于代码生成，"Cerebras Systems首席执行官兼创始人Andrew Feldman说。"Cerebras上的Qwen3-235B是我们第一个能与Claude 4和DeepSeek R1等前沿模型相提并论的模型。凭借完整的131K上下文，开发者现在可以在生产级编码应用中使用Cerebras，并在不到一秒钟内获得答案，而不是在GPU上等待数分钟。"

Cerebras将其上下文长度支持从32K增加到131K Token——这是Qwen3-235B支持的最大值，增长了四倍。这种扩展直接影响了模型在大型代码库和复杂文档上的推理能力。虽然32K上下文足以应对简单的代码生成用例，但131K上下文使模型能够同时处理数十个文件和数万行代码，支持生产级应用开发。

Qwen3-235B在需要深度逻辑推理、高级数学和代码生成的任务中表现出色，这得益于其在"思考模式"（用于高复杂度任务）和"非思考模式"（用于高效的通用对话）之间切换的能力。131K上下文长度允许模型摄取和推理大型代码库（数万行），支持代码重构、文档编写和错误检测等任务。

Cerebras还宣布进一步扩展其生态系统，获得了DataRobot、Docker、Cline和Notion的支持。

发展方向如何？

大型AI一直在被缩小和优化，在性能、模型大小和价格方面实现了数量级的提升和降低。这一趋势无疑会继续，但会被能力、准确性、智能水平的提升以及跨模态的全新功能不断抵消。因此，如果你想要去年的AI，你的处境很好，因为它会继续变得更便宜。

但如果你想要最新的特性和功能，你将需要最大的模型和最长的输入上下文长度。

这就是AI的阴阳两面。