文 | 智能相對(duì)論

作者 | 陳泊丞

今年整個(gè)AI圈最熱鬧的事件莫過(guò)于全民“養(yǎng)龍蝦”——OpenClaw的走紅，讓大家終于看到了AGI落地的具象化可能。

然而，當(dāng)業(yè)界為Agent“手腳”的日益靈活而歡呼時(shí)，一個(gè)更根本的問(wèn)題卻被暫時(shí)掩蓋了——真正決定OpenClaw行動(dòng)價(jià)值的“大腦”，也就是它背后的大模型底座，似乎正走在一條不可持續(xù)的道路上。

過(guò)去兩年，大模型行業(yè)奉行的是典型的“暴力美學(xué)”，即參數(shù)越多代表智能越高，思維鏈越長(zhǎng)代表推理越深。萬(wàn)億參數(shù)模型接連登場(chǎng)，長(zhǎng)思維鏈成為技術(shù)先進(jìn)性的標(biāo)配。但在這股狂熱之下，一個(gè)尷尬的事實(shí)逐漸浮出水面——大量參數(shù)只是“吃算力”的擺設(shè)，超過(guò)70%的Token消耗發(fā)生在模型“已經(jīng)答對(duì)、仍在反思”的無(wú)效階段。

推理Token消耗分布示意

因此，當(dāng)OpenClaw這樣的執(zhí)行端已經(jīng)準(zhǔn)備好進(jìn)入工廠、倉(cāng)庫(kù)、辦公室，我們才發(fā)現(xiàn)，驅(qū)動(dòng)它的“大腦”要么昂貴到企業(yè)用不起，要么為了省錢(qián)而被迫“降智”。這或許是2026年AI產(chǎn)業(yè)化最核心的悖論——手腳已經(jīng)就位，大腦卻還在“算力通脹”的泥潭中掙扎。

這一困局如何打破？就在前不久，YuanLab.ai團(tuán)隊(duì)開(kāi)源了Yuan 3.0 Ultra萬(wàn)億參數(shù)模型，以一套截然不同的、更務(wù)實(shí)的技術(shù)路線，也在試圖解答當(dāng)前行業(yè)的這一根本性問(wèn)題：當(dāng)模型規(guī)模的擴(kuò)張已觸及收益遞減的臨界點(diǎn)，大模型的下一場(chǎng)競(jìng)賽，究竟應(yīng)該比什么？

Yuan3.0 Ultra在面向企業(yè)應(yīng)用的表現(xiàn)

如果OpenClaw的大腦困于“昂貴”與“降智”的兩難，那么，整個(gè)行業(yè)就必須重新審視那個(gè)曾被奉為圭臬的增長(zhǎng)邏輯。

算力通脹時(shí)代，市場(chǎng)渴望一場(chǎng)“價(jià)值回歸”

過(guò)去兩年，行業(yè)經(jīng)歷了一場(chǎng)深刻的認(rèn)知撕裂。

撕裂的一邊是技術(shù)供給側(cè)的狂歡。萬(wàn)億參數(shù)模型接連登場(chǎng)，推理模型追逐越來(lái)越長(zhǎng)的思維鏈，仿佛“想得越多”就等于“想得越對(duì)”。在國(guó)際AI頂會(huì)上，論文的核心賣(mài)點(diǎn)往往是“我們的模型又大了多少億”“我們的思維鏈又長(zhǎng)了多少步”。

撕裂的另一邊是企業(yè)需求側(cè)的清醒。當(dāng)技術(shù)營(yíng)銷(xiāo)的喧囂褪去，企業(yè)客戶(hù)在采購(gòu)時(shí)開(kāi)始用最樸素也最殘酷的ROI邏輯發(fā)問(wèn)：每一次API調(diào)用支付的Token費(fèi)用，究竟有多少轉(zhuǎn)化為真正的業(yè)務(wù)價(jià)值？

事實(shí)上，研究顯示，在復(fù)雜推理任務(wù)中，模型超過(guò)70%的Token消耗發(fā)生在“已經(jīng)答對(duì)”后的自我驗(yàn)證階段。這意味著，企業(yè)每為模型智能支付10元錢(qián)，有7元是在為它的“過(guò)度思考”買(mǎi)單。

與此同時(shí)，更隱蔽的浪費(fèi)還藏在模型結(jié)構(gòu)本身。MoE（混合專(zhuān)家）架構(gòu)在預(yù)訓(xùn)練中會(huì)自發(fā)形成專(zhuān)家分化，負(fù)載最高的專(zhuān)家與最低的專(zhuān)家差距可達(dá)500倍。這意味著，大量長(zhǎng)期閑置的“僵尸專(zhuān)家”成了模型參數(shù)虛高的主要推手——它們幾乎不干活，卻依然在每一次推理中被加載、被維護(hù)、被計(jì)費(fèi)。

MoE模型訓(xùn)練過(guò)程中存在專(zhuān)家訓(xùn)練不均衡問(wèn)題

由此，“算力通脹”問(wèn)題就不得不重視起來(lái)。參數(shù)規(guī)模在膨脹，推理鏈條在拉長(zhǎng)，但單位算力產(chǎn)出的真實(shí)智能卻在稀釋。當(dāng)OpenClaw這樣的執(zhí)行端開(kāi)始規(guī)?；渴?，這種“通脹”帶來(lái)的成本壓力被成倍放大——每一次物理動(dòng)作背后，都是大量的Token在燃燒。

今天，YuanLab.ai團(tuán)隊(duì)已經(jīng)敏銳地捕捉到這一趨勢(shì)的不可持續(xù)性。在此前發(fā)布的Yuan 3.0 Flash中，他們就首次驗(yàn)證了“反過(guò)度思考”的技術(shù)可行性，通過(guò)RIRM（Reflection Inhibition Reward Mechanism，反思抑制獎(jiǎng)勵(lì)）機(jī)制讓模型學(xué)會(huì)在恰當(dāng)?shù)臅r(shí)候停下來(lái)。直到Y(jié)uan 3.0 Ultra的開(kāi)源，這一理念進(jìn)一步從“效率優(yōu)化”升維為“范式定義”——當(dāng)行業(yè)還在比拼誰(shuí)能堆出更大模型時(shí)，真正的競(jìng)爭(zhēng)已悄然轉(zhuǎn)向誰(shuí)能用更少的算力提煉出更有效的智能。

是時(shí)候?qū)Α叭f(wàn)億參數(shù)”祛魅了

客觀而言，Yuan 3.0 Ultra的突破性，不在于它邁入了萬(wàn)億俱樂(lè)部，而在于它對(duì)“萬(wàn)億參數(shù)”這一概念本身完成了一次徹底的“祛魅”。

其一，對(duì)“參數(shù)規(guī)?！钡撵铟龋篖AEP算法讓模型學(xué)會(huì)“精簡(jiǎn)”。

行業(yè)長(zhǎng)期存在一個(gè)思維定式：參數(shù)越多，模型越強(qiáng)。這一認(rèn)知如此根深蒂固，以至于每當(dāng)有廠商發(fā)布更大參數(shù)的模型，資本市場(chǎng)都會(huì)給出積極反饋。

Yuan 3.0 Ultra用自適應(yīng)專(zhuān)家裁剪算法（Layer-Adaptive Expert Pruning，LAEP）戳破了這一神話。研究團(tuán)隊(duì)發(fā)現(xiàn)，MoE模型在預(yù)訓(xùn)練中會(huì)自然形成專(zhuān)家功能分化，但分化不等于優(yōu)化——大量低貢獻(xiàn)專(zhuān)家長(zhǎng)期閑置，卻依然消耗著寶貴的算力資源。LAEP算法的精妙之處，就在于它像一位清醒的“組織優(yōu)化顧問(wèn)”，在訓(xùn)練過(guò)程中動(dòng)態(tài)識(shí)別冗余專(zhuān)家并予以裁剪，將初始1515B參數(shù)優(yōu)化至1010B，參數(shù)規(guī)模減小33.3%，預(yù)訓(xùn)練算力效率反而提升49%。

Yuan3.0 Ultra采用LAEP顯著提升預(yù)訓(xùn)練效率

對(duì)于企業(yè)而言，這意味著可以用更低的硬件門(mén)檻、更少的GPU租賃開(kāi)支，獲得與1515B參數(shù)模型同等的旗艦級(jí)智能支撐。那么，當(dāng)別人還在為參數(shù)規(guī)模競(jìng)賽買(mǎi)單時(shí)，Yuan 3.0 Ultra的用戶(hù)就已經(jīng)在享受“減重”后的成本紅利了。

二、對(duì)“思維鏈長(zhǎng)度”的祛魅：RIRM機(jī)制讓模型懂得“?！钡闹腔邸?/strong>

當(dāng)全行業(yè)沉迷于“讓模型想得更久”，一個(gè)根本性問(wèn)題卻被忽略了：什么時(shí)候該停下來(lái)？——這不僅是效率問(wèn)題，更是安全問(wèn)題。

試想一下，一個(gè)由OpenClaw驅(qū)動(dòng)的工業(yè)機(jī)器人，如果它的“大腦”在識(shí)別到安全隱患后還要反復(fù)思考、再三確認(rèn)，哪怕只是幾秒鐘的延遲，都可能釀成事故。在真實(shí)世界中，“想太多”和“想錯(cuò)”一樣危險(xiǎn)。

對(duì)此，Yuan 3.0 Ultra引入的反思抑制獎(jiǎng)勵(lì)機(jī)制（RIRM），恰恰是對(duì)“長(zhǎng)思維鏈崇拜”的一次精準(zhǔn)糾偏。它不是簡(jiǎn)單粗暴地截?cái)噍敵?，而是通過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練，讓模型學(xué)會(huì)區(qū)分兩種狀態(tài)：什么時(shí)候需要繼續(xù)推理，什么時(shí)候已經(jīng)可以停止。研究團(tuán)隊(duì)將最大可接受反思步數(shù)設(shè)為3，理想狀態(tài)下鼓勵(lì)直接響應(yīng)，復(fù)雜問(wèn)題允許適度反思，但一旦超過(guò)閾值，獎(jiǎng)勵(lì)機(jī)制就會(huì)啟動(dòng)抑制。

RIRM工作流程示意

由此，訓(xùn)練準(zhǔn)確率提升16.33%，同時(shí)平均響應(yīng)長(zhǎng)度縮短14.38%。在MATH-500基準(zhǔn)上，反思階段的Token消耗顯著降低。這種“該停就?！钡哪芰?，在企業(yè)高頻調(diào)用場(chǎng)景中產(chǎn)生的價(jià)值，遠(yuǎn)大于在單一benchmark上刷出0.1%的提升。當(dāng)每一次API調(diào)用都在為企業(yè)省錢(qián)，而不是為模型的“內(nèi)心戲”買(mǎi)單，規(guī)?；瘧?yīng)用才真正成為可能。

RIRM訓(xùn)練前后Token消耗對(duì)比

三、對(duì)“多模態(tài)”的祛魅：LFA機(jī)制讓模型專(zhuān)注“有效關(guān)聯(lián)”。

多模態(tài)是AI行業(yè)長(zhǎng)期以來(lái)的另一大熱詞。但多模態(tài)不是簡(jiǎn)單的圖文拼接，更不是把圖片和文字扔進(jìn)同一個(gè)模型就萬(wàn)事大吉。企業(yè)在真實(shí)業(yè)務(wù)場(chǎng)景中的多模態(tài)，往往是財(cái)報(bào)里圖文混排的復(fù)雜表格，是合同中穿插的掃描件和手寫(xiě)批注，是技術(shù)文檔里跨頁(yè)面關(guān)聯(lián)的圖表和數(shù)據(jù)。因此，處理這些信息，需要的不是“什么都能看”的泛泛能力，而是“能看懂重點(diǎn)”的精準(zhǔn)穿透力。

Yuan 3.0 Ultra引入的局部過(guò)濾注意力機(jī)制（Localized Filtering-based Attention，LFA），正是為此而生。它通過(guò)強(qiáng)化對(duì)核心語(yǔ)義的聚焦，精準(zhǔn)過(guò)濾無(wú)效注意力干擾，使模型在處理復(fù)雜文檔時(shí)，不再被噪聲信息誤導(dǎo)。這種對(duì)“有效信息”的聚焦能力，讓OpenClaw這樣的Agent在執(zhí)行具體任務(wù)時(shí)，能夠真正理解“該看什么”“該忽略什么”，從而實(shí)現(xiàn)“眼睛”與“大腦”的協(xié)同進(jìn)化。

總的來(lái)說(shuō)，這三重“祛魅”共同指向的，正是Yuan 3.0 Ultra的核心主張：有效智能。站在企業(yè)的視角，“有效智能”不是一句口號(hào)，而是可以量化的ROI，接下來(lái)可以用更低的成本投入來(lái)獲取更好的AI智能服務(wù)。這意味著，企業(yè)不再需要為“聽(tīng)起來(lái)很?！钡膮?shù)買(mǎi)單，而是為“用得上”的智能付費(fèi)。

大模型競(jìng)爭(zhēng)的下半場(chǎng)已經(jīng)開(kāi)啟了

隨著市場(chǎng)對(duì)“有效智能”的聚焦，就意味著大模型競(jìng)爭(zhēng)的下半場(chǎng)已經(jīng)拉開(kāi)序幕。那么，當(dāng)頭部廠商紛紛收緊模型權(quán)限、構(gòu)建封閉生態(tài)時(shí)，YuanLab.ai團(tuán)隊(duì)卻選擇以開(kāi)放姿態(tài)貢獻(xiàn)出萬(wàn)億級(jí)核心模型，其背后的本質(zhì)則是在參與定義大模型競(jìng)爭(zhēng)的下半場(chǎng)。

回顧上半場(chǎng)，核心是“參數(shù)競(jìng)賽”——誰(shuí)先達(dá)到千億、萬(wàn)億，誰(shuí)就是技術(shù)領(lǐng)先者。誰(shuí)在榜單上刷出更高分?jǐn)?shù)，誰(shuí)就能獲得資本和市場(chǎng)的追捧。

這一階段的邏輯簡(jiǎn)單直接，但也迅速觸及天花板——參數(shù)堆砌的邊際收益遞減，而邊際成本（算力、能耗、部署難度）卻在指數(shù)級(jí)上升。2025年底開(kāi)始，越來(lái)越多的從業(yè)者意識(shí)到，單純比拼參數(shù)規(guī)模，已經(jīng)難以為繼。

展望下半場(chǎng)，核心則是“效率競(jìng)賽”——誰(shuí)能用更少的算力實(shí)現(xiàn)同等的智能，誰(shuí)能用更可控的成本支撐復(fù)雜的Agent任務(wù)，誰(shuí)才是真正的產(chǎn)業(yè)賦能者。這場(chǎng)競(jìng)賽不再有簡(jiǎn)單的量化指標(biāo)，而是考驗(yàn)對(duì)模型架構(gòu)的深刻理解、對(duì)算法效率的系統(tǒng)優(yōu)化、對(duì)企業(yè)場(chǎng)景的精準(zhǔn)適配。

Yuan 3.0整體架構(gòu)和基于MoE的語(yǔ)言主干

在下半場(chǎng)，智能的純度，遠(yuǎn)比參數(shù)的個(gè)數(shù)更重要；思考的效率，遠(yuǎn)比思考的長(zhǎng)度更值錢(qián)。由此，Yuan 3.0 Ultra通過(guò)LAEP、RIRM、LFA等創(chuàng)新，系統(tǒng)性地解答了“智能的效率”這一核心命題，為行業(yè)樹(shù)立了有效智能的新標(biāo)桿。

更深層看，Yuan 3.0 Ultra開(kāi)源的戰(zhàn)略?xún)r(jià)值還在于，為中小企業(yè)、研究機(jī)構(gòu)和行業(yè)開(kāi)發(fā)者提供了一個(gè)旗艦級(jí)、可定制、不鎖死的模型底座選擇?，F(xiàn)如今，開(kāi)發(fā)者們已經(jīng)可以在github項(xiàng)目開(kāi)源地址https://github.com/Yuan-lab-LLM/Yuan3.0獲取相應(yīng)的能力。

當(dāng)OpenClaw這樣的Agent框架日益成熟，企業(yè)最需要的恰恰是一個(gè)能夠深度適配自身業(yè)務(wù)且成本可控的“大腦”。Yuan 3.0 Ultra的開(kāi)源，本質(zhì)上是在為下一波Agent應(yīng)用大爆發(fā)鋪設(shè)基礎(chǔ)設(shè)施——讓所有想要“養(yǎng)龍蝦”的企業(yè)甚至是個(gè)人，都能負(fù)擔(dān)得起一個(gè)聰明的大腦。

結(jié)語(yǔ)

2026年，當(dāng)“養(yǎng)龍蝦”成為全民話題，當(dāng)Agent開(kāi)始真正進(jìn)入千行百業(yè)，我們比任何時(shí)候都更需要回答那個(gè)根本問(wèn)題：什么樣的智能，才是值得企業(yè)付費(fèi)的智能？

答案是，有效的智能。當(dāng)行業(yè)終于意識(shí)到，真正的智能，不是無(wú)限燃燒算力的能力，而是善用算力的智慧——這時(shí)候，大模型的下半場(chǎng)就算真正開(kāi)始了。新的增長(zhǎng)邏輯，正在被重新定義，并主導(dǎo)下半場(chǎng)的競(jìng)爭(zhēng)。

*本文圖片均來(lái)源于網(wǎng)絡(luò)