封面新聞?dòng)浾?張崢

3月17日，OpenAI 公司發(fā)布公告，宣布推出小型模型 GPT-5.4 mini 與 GPT-5.4 nano，專為高頻且對延遲敏感的任務(wù)設(shè)計(jì)。

“集成開發(fā)環(huán)境（IDE）中的實(shí)時(shí)代碼補(bǔ)全、實(shí)時(shí)語音翻譯、在線客服的語義路由預(yù)測以及大規(guī)模金融交易監(jiān)控，都屬于高頻且對延遲敏感任務(wù)，”3月18日，封面新聞?dòng)浾卟稍L了四川大學(xué)文學(xué)與新聞學(xué)院人工智能學(xué)者宋耀，他評價(jià)道，“OpenAI開發(fā)的兩款小模型其實(shí)更適用于輕量化任務(wù)，這就好比一個(gè)成熟的物流系統(tǒng)既需要遠(yuǎn)程重型卡車，也需要末端配送的無人機(jī)?！?/strong>

輕量化應(yīng)用交給小模型

深?yuàn)W的哲學(xué)命題交給大模型

宋耀解釋，OpenAI 發(fā)布的 GPT-5.4 mini 和 nano 所謂的“小”，主要體現(xiàn)在模型參數(shù)規(guī)模的精簡和計(jì)算效率的極致優(yōu)化?！跋啾扔趧?dòng)輒消耗海量算力的旗艦級大模型，這兩款模型通過知識(shí)蒸餾和架構(gòu)壓縮技術(shù)，顯著降低了運(yùn)行所需的顯存與帶寬壓力?！彼鼈兊膬?yōu)勢并不在于處理深?yuàn)W的哲學(xué)命題或復(fù)雜的跨學(xué)科發(fā)現(xiàn)，而是在于極高的吞吐量、極低的延遲以及極具競爭力的性價(jià)比。在保持了 GPT-5 系列優(yōu)秀推理基因的前提下，它們讓 AI 能夠像呼吸一樣自然地嵌入到對速度要求極高的應(yīng)用場景中。

小模型更適合日常需求

為什么在已經(jīng)擁有強(qiáng)大模型的情況下依然研發(fā)小模型？宋耀打了個(gè)比方，這就好比一個(gè)成熟的物流系統(tǒng)既需要遠(yuǎn)程重型卡車，也需要末端配送的無人機(jī)。“大模型雖然博學(xué)，但其推理成本和能效比限制了它在瑣碎任務(wù)中的普及；小模型則能以極低的成本覆蓋 80% 的日常需求，釋放昂貴的算力資源去處理真正困難的問題?！?/p>

隨著端側(cè) AI（Edge AI）的興起，將模型部署在用戶的手機(jī)或個(gè)人電腦本地，不僅能保障數(shù)據(jù)隱私，還能在無網(wǎng)環(huán)境下提供智能支持，這正是小模型的用武之地。

mini 和 nano相當(dāng)于智能體的“四肢”

在當(dāng)前火熱的 AI 智能體（Agent）架構(gòu)中，這兩款小模型充當(dāng)了“四肢”與“前哨”的角色。智能體通常采用多層級協(xié)作模式，由一個(gè)性能最強(qiáng)的大模型擔(dān)任“主考官”或“規(guī)劃者”，負(fù)責(zé)分解復(fù)雜的戰(zhàn)略目標(biāo)。而具體的執(zhí)行動(dòng)作，如網(wǎng)頁信息的快速抓取、多語種文檔的初步清洗，或是對操作系統(tǒng)的實(shí)時(shí)反饋，則全部委派給 GPT-5.4 mini 或 nano。這種架構(gòu)不僅大幅提升了智能體的執(zhí)行速度，還讓構(gòu)建大規(guī)模并行智能體集群（Swarm）在商業(yè)成本上變得可行，使得 AI 能夠像真正的團(tuán)隊(duì)一樣分工協(xié)作。

AI 體驗(yàn)將進(jìn)入“即時(shí)時(shí)代”

對于普通用戶而言，這兩款模型的推出意味著 AI 體驗(yàn)將進(jìn)入“即時(shí)時(shí)代”。最直觀的改變是 ChatGPT 的響應(yīng)速度將變得如同本地搜索一樣迅速，文字流出的過程幾乎消除了肉眼可見的等待感。更重要的是，更多的應(yīng)用軟件將有能力在不增加用戶訂閱成本的情況下集成深度 AI 功能。

宋耀舉例說，“你的筆記軟件可以實(shí)時(shí)分析你的輸入并自動(dòng)排版，或者你的手機(jī)助手能更精準(zhǔn)地理解屏幕上的內(nèi)容并協(xié)助你完成訂票、改簽等操作，這一切都將在極低功耗下完成，讓 AI 真正從一個(gè)‘網(wǎng)頁對話框’變成系統(tǒng)底層隨叫隨到的隱形助手。”

mini 和 nano各有分工

宋耀判斷，未來大小模型的協(xié)同應(yīng)用將成為智能系統(tǒng)的標(biāo)準(zhǔn)配置?！按笮』旌稀钡募軜?gòu)模仿了人類大腦的運(yùn)作機(jī)制：既有負(fù)責(zé)本能、直覺和快速反應(yīng)的底層系統(tǒng)，也有負(fù)責(zé)邏輯推理和深思熟慮的高層系統(tǒng)。

未來的 AI 應(yīng)用會(huì)自動(dòng)根據(jù)任務(wù)的難度進(jìn)行“動(dòng)態(tài)路由”—— 而涉及核心策略或嚴(yán)謹(jǐn)科學(xué)問題的請求才會(huì)喚醒功耗最高的大模型。這種分層治理的方式不僅能極大地優(yōu)化算力分配，也將推動(dòng) AI 技術(shù)從昂貴的實(shí)驗(yàn)室產(chǎn)物演變?yōu)闊o處不在的社會(huì)公共基礎(chǔ)設(shè)施。