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。
好文章,需要你的鼓励
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
数据分析平台公司Databricks完成10亿美元K轮融资,公司估值超过1000亿美元,累计融资总额超过200亿美元。公司第二季度收入运营率达到40亿美元,同比增长50%,AI产品收入运营率超过10亿美元。超过650家客户年消费超过100万美元,净收入留存率超过140%。资金将用于扩展Agent Bricks和Lakebase业务及全球扩张。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。