谁需要大型 AI 模型？

快速阅读: 据《福布斯》最新报道，Cerebras CEO称AI快速演变，小型模型虽成本低，但代码生成等任务仍需大模型。Cerebras推出支持131K上下文的Qwen3-235B，速度比GPU快30倍，成本仅为1/10。

Cerebras Systems 首席执行官兼创始人安德鲁·费尔德曼表示，人工智能世界正在迅速演变，尤其是在 DeepSeek 及其追随者推出之后。许多人得出结论认为，企业并不真正需要 OpenAI、Meta 和 Google 所宣传的大型昂贵 AI 模型，而是转而关注较小的模型，例如拥有 24 亿参数的 DeepSeek V2-Lite，或者拥有 170 亿参数的 Llama 4 Scout 和 Maverick，这些模型可以在较低成本下提供不错的准确性。然而，结果发现，对于程序员来说并非如此，或者说那些能够并将会取代许多程序员的模型。同样，小型化理念也不适用于推理或代理 AI，这是下一个大趋势。

AI 代码生成器需要能够处理更宽上下文窗口的大模型，可以容纳大约 10 万行代码。支持代理 AI 和推理 AI 的专家混合（MOE）模型也很大。但这些庞大的模型通常非常昂贵，在现代 GPU 上每百万输出标记的成本约为 10 到 15 美元。这就是新型 AI 架构进入 GPU 领域的机会。

Cerebras Systems 推出基于 Qwen3-235B 的大型人工智能

Cerebras Systems（Cambrian-AI Research 的合作伙伴）已宣布支持大型 Qwen3-235B，支持 131,000 个上下文长度（约 200 至 300 页文本），是之前可用量的四倍。在巴黎的 RAISE 峰会上，Cerebras 引用了阿里巴巴的 Qwen3-235B，该模型使用高度高效的专家混合架构，实现了卓越的计算效率。但真正的新闻是，Cerebras 只需每百万输入标记和每百万输出标记 0.60 美元即可运行该模型，仅为同类封闭源代码模型成本的十分之一。虽然许多人认为 Cerebras 的晶圆级引擎价格昂贵，但这些数据颠覆了这种看法。

代理是一个经常需要非常大模型的应用场景。Cerebras 我经常被问到的一个问题是，如果 Cerebras 这么快，为什么他们没有更多的客户？一个原因是他们之前并未支持大上下文窗口和更大的模型。例如，寻求开发代码的人不希望将问题分解成小片段以适应 32KB 的上下文。现在，这个销售障碍已经消失了。

“我们看到开发者对具有长上下文的前沿模型有巨大的需求，特别是用于代码生成，”Cerebras Systems 首席执行官兼创始人安德鲁·费尔德曼表示。“Cerebras 上的 Qwen3-235B 是我们第一个能与 Claude 4 和 DeepSeek R1 等前沿模型相媲美的模型。并且拥有完整的 131K 上下文，开发者现在可以在生产级编码应用中使用 Cerebras，并在不到一秒内获得答案，而不是在 GPU 上等待几分钟。”

Cerebras 不仅快 30 倍，而且比 GPU 便宜 92%。

Cerebras Systems 将其上下文长度支持从 32K 扩展到了 131K 个标记——这是 Qwen3-235B 支持的最大值。这种扩展直接影响模型在大型代码库和复杂文档上的推理能力。虽然 32K 的上下文足以满足简单的代码生成用例，但 131K 的上下文使模型能够同时处理数十个文件和数万行代码，从而实现生产级应用程序的开发。

当运行 Qwen3-235B 时，Cerebras 的成本仅为 GPU 的 15 至 100 倍。

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，因为它能够在“思考模式”（用于高复杂度任务）和“非思考模式”（用于高效的一般对话）之间切换。131K 的上下文长度使模型能够处理大型代码库（数万行代码），并支持代码重构、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，得到了亚马逊 AWS 的支持，以及 DataRobot、Docker、Cline 和 Notion 的支持。AWS 的加入意义重大。

Cerebras 已将 AWS 加入其云产品组合中。

这将走向何方？

大型 AI 一直在不断缩小并优化，性能、模型大小和价格都有数量级的提升。这一趋势无疑将继续，但会不断被能力、准确性、智能性和跨模态的全新功能的增加所抵消。因此，如果你想使用去年的 AI，你已经很好了，因为它的价格还在下降。

但如果你想使用最新的功能和特性，你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。

(以上内容均由Ai生成)