“越大越好”——这一原则深深植根于人工智能世界。每个月都会有更大的模型被创建，参数也越来越多。公司甚至在为它们建造价值100 亿美元的人工智能数据中心。但这是唯一的方向吗？
在NeurIPS 2024 上， OpenAI 联合创始人之一 Ilya Sutskever 分享了一个观点：“我们所熟知的预训练必将终结”。看来，规模化的时代即将结束，这意味着是时候专注于改进当前的方法和算法了。
最有前景的领域之一是使用多达 100 亿个参数的小型语言模型 (SLM)。这种方法在业界真正开始流行起来。例如，Hugging Face 首席执行官 Clem Delangue预测高达 99% 的用例可以通过 SLM 解决。YC 最新对初创企业的招募也呈现出类似的趋势：
具有大量参数的巨型通用模型非常令人印象深刻。但它们的成本也非常高，并且经常带来延迟和隐私问题。
现在我们提出一个问题：你到底需要LLM吗？
在本文中，将讨论为什么小型模型可能是您的业务所需的解决方案。我们将讨论它们如何降低成本、提高准确性并保持对数据的控制。当然，我们将坦诚地讨论它们的局限性。
成本效益
LLM的经济学可能是企业最头疼的话题之一。然而，这个问题要广泛得多：它包括对昂贵硬件的需求、基础设施成本、能源成本和环境后果。
是的，大型语言模型的能力令人印象深刻，但维护起来也非常昂贵。您可能已经注意到基于 LLM 的应用程序的订阅价格如何上涨？例如，OpenAI 最近宣布推出每月 200 美元的Pro 计划，这表明成本正在上涨。而且竞争对手也可能会将价格提高到这个水平。
Moxie 机器人的故事就是一个很好的例子。Embodied 使用 OpenAI API 以 800 美元的价格为孩子们打造了一款出色的陪伴机器人。尽管该产品取得了成功（孩子们每天发送 500-1000 条消息！），但由于 API 的运营成本过高，该公司还是倒闭了。现在，成千上万的机器人将变得毫无用处，孩子们将失去他们的朋友。
一种方法是针对特定领域微调专门的小语言模型。当然，它不会解决“世界上所有的问题”，但它可以完美地应对分配给它的任务。例如，分析客户文档或生成特定报告。同时，SLM 的维护成本更低，消耗的资源更少，需要的数据更少，并且可以在更普通的硬件上运行（最多智能手机）。
不同参数数量模型的利用率比较。
最后，我们不要忘记环境。在《碳排放和大型神经网络训练》一文中，我发现了一些让我惊讶的有趣统计数据：训练具有 1750 亿个参数的 GPT-3 所消耗的电量相当于美国普通家庭 120 年的用电量。它还产生了 502 吨二氧化碳，相当于一百多辆汽油车的年运行量。这还不包括推理成本。相比之下，部署像7B 这样的较小模型所需的消耗量仅为较大模型的 5%。那么最新的o3 版本呢？
?提示：不要追逐炒作。在处理任务之前，请计算使用 API 或您自己的服务器的成本。考虑一下这种系统的扩展以及使用 LLM 的合理性。
专门任务上的表现
既然我们已经讨论了经济因素，那么让我们来谈谈质量。当然，很少有人愿意为了节省成本而牺牲解决方案的准确性。但即使在这里，SLM 也有一些优势。
。比较 SLM 与 LLM 在域内内容审核性能的准确度、召回率和精确度方面的表现。在所有子版块中，表现最佳的 SLM 在准确度和召回率方面均优于 LLM，而 LLM 在精确度方面则优于 SLM。
许多研究表明，对于高度专业化的任务，小型模型不仅可以与大型 LLM 相媲美，而且通常表现更佳。让我们看几个说明性示例：
- 医学：
Diabetica-7B 模型（基于 Qwen2-7B）在糖尿病相关测试中实现了 87.2% 的准确率，而 GPT-4 的准确率仅为 79.17%，Claude-3.5 的准确率仅为 80.13%。尽管如此，Diabetica-7B 比 GPT-4 小几十倍，并且可以在消费级 GPU 上本地运行。 - 法律领域：
仅具有 0.2B 个参数的 SLM在合同分析中实现了 77.2% 的准确率（GPT-4 — 约 82.4%）。此外，对于识别用户协议中的“不公平”条款等任务， SLM在 F1 指标上的表现甚至优于 GPT-3.5 和 GPT-4 。 - 数学任务：
Google DeepMind 的研究表明，使用另一个小模型生成的数据训练小模型 Gemma2–9B 比使用较大的 Gemma2–27B 的数据训练效果更好。较小的模型往往更关注细节，而不会“试图用所有知识来炫耀”，而这通常是较大模型的一个特点。 - 内容审核：在审核 15 个热门 subreddits 中的内容时，
LLaMA 3.1 8B在准确率（高出 11.5%）和召回率（高出 25.7%）方面均优于 GPT-3.5。即使使用 4 位量化，也能实现这一目标，这进一步减小了模型的大小。
再进一步说，即使是经典的 NLP 方法也常常能出奇地有效。让我分享一个个人案例：我正在开发一款心理支持产品，我们每天处理来自用户的一千多条消息。他们可以在聊天中写下消息并得到回复。每条消息首先被分为四类之一：
消息分类方案。
SUPPORT— 关于应用程序如何运行的问题；我们使用文档来回答。 GRATITUDE— 用户感谢机器人；我们只需发送一个“赞”。 TRY_TO_HACK— 用户请求与应用程序目的无关的内容（例如“用 Python 编写一个函数”）。 OTHER— 所有其他消息，我们将进一步处理。
之前我使用 GPT-3.5-turbo 进行分类，后来改用 GPT-4o mini，花了很多时间更改提示。但是，我仍然遇到了错误。因此，我决定尝试一种经典方法：TF-IDF + 一个简单的分类器。训练用时不到一分钟，Macro F1 分数提高到 0.95（而 GPT-4o mini 为 0.92）。模型大小只有 76 MB，当应用于 200 万条已处理的消息（我们的实际数据）时，成本节省非常可观：基于 GPT 的解决方案的成本约为 500 美元，而经典方法几乎不花钱。
我们的产品中就有好几个这样的“小”而简单的任务。我相信你们公司也会有同样的情况。当然，大型模型非常适合快速启动，尤其是在没有标记数据且需求不断变化的情况下。但对于定义明确、稳定的任务，准确性和最低成本是关键，专业而简单的模型（包括经典方法）通常可以成为更有效的解决方案。
?提示： 使用 LLM 进行原型设计，然后，一旦任务变得清晰和稳定，就切换到更小、更便宜、更准确的模型。这种混合方法有助于保持高质量，显著降低成本，并避免通用模型的冗余秒。
安全、隐私和监管
通过 API 使用 LLM，您将敏感数据交给外部提供商，这会增加泄露风险，并使遵守个人信息保护法、数据安全法、HIPAA、GDPR 和 CCPA 等严格法规变得更加复杂。OpenAI 最近宣布计划推出广告，这只会凸显这些风险。您的公司不仅会失去对其数据的完全控制权，而且还会依赖第三方 SLA。
当然，可以在本地运行 LLM，但部署和扩展的成本（数百 GB 的内存、多个 GPU）通常超出合理的经济限制，并且难以快速适应新的监管要求。而且您别想在低端硬件上启动它。
这就是“小模型”再次发挥作用的地方：
1.简化审计
SLM 规模越小，就越容易进行审计、验证和定制以满足特定法规。这样一来，您就更容易理解模型如何处理数据、实施自己的加密或日志记录，并向审计人员表明信息永远不会离开受信任的环境。作为一家医疗保健公司的创始人，我知道这项任务有多么具有挑战性和关键性。
2.在隔离和低端硬件上运行
LLM 很难在孤立的网络段或智能手机上高效地“部署”。然而，SLM 的计算要求较低，几乎可以在任何地方运行：从私有网络中的本地服务器到医生或检查员的设备。根据 IDC 的预测，到 2028 年，将有超过 9 亿部智能手机能够在本地运行生成式 AI 模型。
3.新法规更新与调整
法规和法律经常变化——紧凑型模型可以在几小时内而不是几天内进行微调或调整。这使得能够快速响应新要求，而无需大规模升级基础设施，而这通常是大型LLM的常见做法。
4.分布式安全架构
与 LLM 的单体架构不同，LLM 的所有安全组件都“嵌入”在一个大型模型中，而 SLM 则支持创建分布式安全系统。每个组件：
专注于某项特定任务。 可以独立更新和测试。 与其他的分开缩放。
例如，医疗应用可以级联使用三种模型：
- 隐私守护者（2B）
——隐藏个人数据。 - 医疗验证器（3B）
——确保医疗准确性。 - 合规性检查器 (1B)
— 监控 HIPAA 合规性。
较小的模型更容易验证和更新，使得整体架构更加灵活和可靠。
数据隐私功能的比较。
?提示：如果您在监管严格的领域运营，请考虑使用 SLM。密切关注数据传输政策和监管环境的变化频率。如果您的专业领域是医疗保健、金融或法律，我建议您使用 SLM。
人工智能代理：完美用例
还记得古老的Unix 哲学吗：“专心做好一件事”？现在，在人工智能的背景下，我们似乎又回到了这一原则。
Ilya Sutskever 最近在 NeurIPS 上发表的声明“我们所熟知的预训练必将终结”，下一代模型将“以真实的方式实现代理”，这恰恰证实了这一趋势。Y Combinator 甚至走得更远，预测AI 代理可以创造一个比 SaaS 大 10 倍的市场。
例如，目前已有12% 的企业解决方案使用基于代理的架构。此外，分析师预测，代理将成为人工智能转型的下一波浪潮，不仅会影响 4000 亿美元的软件市场，还会影响10 万亿美元的美国服务业经济。
而 SML 正是这一角色的理想人选。也许一个模型非常有限，但一群这样的模型可以逐步解决复杂任务。更快、更高质量、更便宜。
让我们举一个具体的例子：假设您正在构建一个分析财务文件的系统。您可以将任务分解为几个专门的代理，而不是使用一个大型模型：
专业代理之间的信息流示例。
这种方法不仅更具成本效益，而且更可靠：每个代理都专注于自己最擅长的领域。更便宜。更快。更好。是的，我再说一遍。
为了支持这一点，让我列举几家公司：
- H 公司
在种子轮融资中筹集了 1 亿美元，用于开发基于 SLM（2-3B 参数）的多智能体系统。他们的智能体 Runner H（3B）的任务完成率达到 67%，而 Anthropic 的 Computer Use 任务完成率仅为 52%，而且成本都大幅降低。 - Liquid AI
最近获得了 2.5 亿美元的融资，专注于构建高效的企业模型。他们的模型（13 亿个参数）的表现优于所有现有类似规模的模型。同时，他们的 LFM-3B 的性能与 7 亿甚至 13 亿个模型相当，但所需的内存更少。 - Cohere
推出了 Command R7B，这是一种专门用于 RAG 应用程序的模型，甚至可以在 CPU 上运行。该模型支持 23 种语言并与外部工具集成，在推理和问答任务中表现出一流的效果。 - 您的公司名称
也可以加入此列表。我不仅仅是这么说——在Reforma Health，我所在的公司正在为各种医疗领域开发专门的 SLM。这一决定是出于遵守 HIPAA 要求和医疗信息处理细节的需要。我们的经验表明，高度专业化的 SLM 可以带来显著的竞争优势，尤其是在受监管的领域。
这些例子强调了以下几点：
- 投资者
对专业化小模型的未来充满信心。 - 企业客户愿意
为不需要将数据发送给外部提供商的高效解决方案付费。 市场正在转向“智能”专业代理，而不是依赖“通用”大型模型。
?提示：首先确定项目中的重复任务。这些是开发专门的 SLM 代理的最佳候选者。这种方法将帮助您避免为 LLM 的过高功能支付过多费用，并更好地控制流程。
与LLM (LLM) 相比，SLM 的潜在局限性
尽管我在整篇文章中都在赞扬小型模型，但公平地指出它们的局限性也是合理的。
1. 任务灵活性有限
SLM 最大的限制在于其专业化程度狭窄。与能够处理广泛任务的 LLM 不同，SLM 只能在经过训练的特定任务中取得成功。例如，在医学领域，Diabetica-7B 在糖尿病相关测试中的表现优于 LLM，但其他医学学科则需要额外的微调或新的架构。
2. 上下文窗口限制
与达到 1M 个 token 的大型模型（Gemini 2.0）不同，SLM 的上下文较短。尽管小型 LLaMA 3.2 模型（3B、1B）的上下文长度达到 128k 个 token，但实际上下文长度通常并不像声称的那样：模型通常会丢失文本开头和结尾之间的“联系”。例如，SLM 无法有效处理患者多年来的大量病史或大型法律文件。
3. 应急能力差距
许多“突发能力”只有当模型达到一定规模阈值时才会出现。SLM通常达不到高级逻辑推理或深度语境理解所需的参数水平。Google Research 的一项研究通过数学应用题证明了这一点：虽然小模型难以进行基本算术运算，但较大的模型却突然展现出复杂的数学推理能力。
然而，Hugging Face 最近的研究表明，测试时计算扩展可以部分弥补这一差距。使用迭代自我改进或采用奖励模型等策略，小型模型可以对复杂问题“思考更长时间”。例如，随着生成时间的延长，小型模型（1B 和 3B）在 MATH-500 基准上的表现优于大型模型（8B 和 70B）。
?提示：如果您的工作环境中的任务每周都会发生变化、需要分析大型文档或涉及解决复杂的逻辑问题，那么更大的 LLM 通常更可靠、用途更广泛。
结束语
正如我在上一篇文章中提到的在 OpenAI 和自托管 LLM之间进行选择一样，这里没有一刀切的解决方案。如果你的任务涉及不断变化、缺乏精确的专业化或需要快速原型设计，LLM 将提供一个简单的开始。
然而，随着时间的推移，您的目标变得更加清晰，转向紧凑、专业化的SLM 代理可以显著降低成本、提高准确性并简化对监管要求的遵守。
SLM 不是为了追随潮流而进行的范式转变，而是一种务实的方法，它可以让您更准确、更经济高效地解决特定问题，而无需为不必要的功能付出过多的代价。您不需要完全放弃 LLM —您可以逐渐用 SLM甚至经典的 NLP 方法替换某些组件。这完全取决于您的指标、预算和任务的性质。
IBM 就是一个很好的例子，它采用了多模型策略，将较小的模型组合起来以完成不同的任务。正如他们指出的那样：
越大并不一定越好，因为专用模型的性能优于对基础设施要求较低的通用模型。
最后，成功的关键在于适应。从大型模型开始，评估其最佳表现，然后优化您的架构，以避免为不必要的功能支付过多费用并损害数据隐私。这种方法可以让您兼具两全其美的优势：LLM 在初始阶段的灵活性和多功能性，以及 SLM 在成熟产品中的精确、经济高效的性能。
