据说 GPT6 的技术路线，可以压榨出十几倍的参数效果

[siriusliangcn]

OpenAI 证明此路可行，那等几个月被开源模型们摸索清楚了，那岂不是本地 27b 的模型能跑出 300b 模型的效果？哪怕 12b 能出 100b 的效果也行啊！

要 token 自由了？

是不是可以 Mac Studio 买起来了……

[zhanying]

不太相信，截止目前，“没有银弹”还是真理。。。

[sentinelK]

你如果只看跑分的话，qwen3.8-27B 的 xhigh 跑分，也可以和 flash-0731 有来有回。甚至吊打上 T 规模的老模型。

但是这是春秋笔法，没意义。

[cubecube]

@sentinelK 有意义啊，3.8flash 很好用

[shitshit666]

@sentinelK 但是跑分的话，好像也是模拟日常使用

[coefu]

要是真行，全世界都不要新建 idc 了，openai 又找 amd 订了卡。

当前 transformer 架构下，scaling law 依然有效。

存算一体没有搞成之前，冯诺伊曼体系下，只有堆量，物理规律决定的。

[sentinelK]

@shitshit666 没错，但是很多维度的体验是跑分没法告诉你的。

比如更小体量的模型，因为缺知识量，所以直觉更差，就需要更多的重试次数。
比如为了能力更好，越小的模型性格越偏激，必须要拿到真凭实据（收敛到极致），导致 thinking 起来完全停不下来。

[longaiwp]

@sentinelK 这不就是跑分没有告诉你的事情，又不是跑分的设计有问题，你需要另外一个跑分衡量你想要的标准。

[zizon]

理论上,递归比循环省代码.
循环比手动展开省代码.

但这和要不要能不能写手工展开循环代码没冲突.