每个人都在关注大型语言模型（LLMs）主导聚光灯。 但稍微放大一点，你会发现其他东西正在酝酿。 小型语言模型（SLMs）更轻、更快，且更易于获取。 对于自主AI和去中心化系统，它们可能更合适。 这就是原因 🧵

2/ LLMs 只是 "大型"。 数万亿个参数，强大的通才，运行成本高。 它们在广泛、开放式的任务中表现出色。但它们是集中式的，不透明且难以定制。 SLMs 紧凑、透明且灵活。你可以根据自己的需求进行微调和运行。

3/ SLMs 在现实世界中表现出色： 它们高效、反应迅速，并且不需要重型基础设施。非常适合边缘设备和隐私敏感的用例。 通过蒸馏、剪枝和测试时推理等工具，它们以极低的成本提供了卓越的性能。

4/ 新研究证明了这一点。 阿兰·图灵研究所使用一台笔记本电脑运行了一个3B参数模型。通过智能调优，它在健康推理任务上几乎达到了前沿模型的水平。 这一波浪潮正在增长：Phi、Nemotron-H、Qwen3、Mu、SmolLLM，所有这些都将SLM推向主流。

5/ 该研究的更多细节：

6/ 我们相信构建开放、本地和去中心化的人工智能。 SLMs 使这一切成为可能。它们不仅仅是轻量级的替代品，而是可扩展、模块化的代理系统的基础。 小并不是妥协。 小是一种强大的设计选择。

7/ 阅读我们关于这个主题的完整博客 👇