规模竞赛的结束，效率竞争的开始 过去几年，AI行业信奉一个铁律："更大的模型、更多的数据、更强的算力=更好的性能"。这就是Scaling Law。但在2026年，这条铁律正在被改写。Scaling Law的边际递减效应日益明显——投入翻倍的算力和数据，带来的性能提升可能只有10%。行业正在经历从"规
2026-06-24
参数越大越强？2026年的答案是：不一定 长期以来，AI行业信奉"越大越好"——参数越多，模型越强。但当新浪微博在2026年6月发布VibeThinker-3B模型时，整个行业都被震动了：一个只有30亿（3B）参数的小模型，在AIME 2026数学竞赛中获得了94.3分——与拥有6710亿参数的De
2026-06-18
更大的模型不一定更好，更密的模型才是未来 2026年，AI行业正在见证一个深刻的范式转移：从"规模竞赛"走向"密度竞争"。过去几年，行业信奉Scaling Law——模型越大、数据越多、算力越强，性能就越好。但这条铁律正在被改写。2026年，一个新概念开始主导讨论——"AI密度定律"（AI Dens
2026-06-17
规模竞赛的结束，效率竞争的开始 过去几年，AI行业信奉一个铁律："更大的模型、更多的数据、更强的算力=更好的性能"。这就是Scaling Law。但在2026年，这条铁律正在被改写。Scaling Law的边际递减效应日益明显——投入翻倍的算力和数据，带来的性能提升可能只有10%。行业正在经历从"规
2026-06-10