为什么缺乏新的100B-120B模型？
摘要
分析AI模型尺寸趋势，指出100-120B参数范围存在空白，近期发布主要聚焦于较小（25-35B）或较大（200B+）的模型。
GPT-OSS-120B 是该系列的首个模型，之后有 GLM-4.5-Air、Nemotron-3-Super、Qwen3.5-122B、Mistral-Small-4-119B。然而，所有这些模型至少已有3个月历史（GPT-OSS-120B 已10个月），而所有最新发布要么是25B-35B（Gemma4, Qwen3.6），要么是200B+（Step 3.5/3.7 Flash, DeepSeek-V4-Flash, MiniMax-M3, Nemotron-3-Ultra）。~120B MoE系列是否像70B/80B系列一样“消亡”了，还是说2026年下半年可能会有新发布？
相似文章
一个4b模型现在在网络研究上击败30b模型，原因不在于规模
来自Apodex家族的一个40亿参数开放模型在网页研究基准上优于300亿参数模型，这归因于精心构建的训练数据和自我验证技术，而非原始规模，表明AI能力发展趋向更民主化。
我们迫切需要一款80-160B的模型。统一内存设备市场需要更多模型。
作者认为，当前迫切需要80-160B参数范围的AI模型，以支持使用统一内存设备的用户（例如高内存的Apple/AMD系统），因为最近的模型对于他们的硬件来说要么太小，要么太大。
@LottoLabs: 对优秀小模型的需求非常大，看看下载量最高的Qwen模型吧，全部<9B
观察到对小AI模型的高需求，体现在Qwen系列9B参数以下模型的下载量上。
@ChrisGPotts：我们理所当然地认为更大的模型比小的更好，但为什么会这样？我们的新论文，由Jing Hua领导……
本文探讨了为什么更大的模型性能优于较小的模型，通过形式化分析和实验将其归因于数据引发的神经资源竞争。
AMD 和 Intel，现在轮到你们发布自己的模型了
NVIDIA 发布了拥有 550B 参数的模型（Nemotron-3-Ultra-550B），引发评论称 AMD 和 Intel 也应效仿发布自己的 AI 模型，因为模型开发已逐渐成为硬件公司的标配。