Small在AI领域通常指参数量较小的模型版本，这类模型针对资源有限的计算环境设计，能够在消费级硬件上高效运行。随着AI模型规模不断扩大，Small模型作为轻量化解决方案正受到越来越多关注。
Small 近期进展
蚂蚁灵波开源了三款LingBot-World 2.0世界模型，其中Small版本参数量仅1.3B，专门面向消费级单卡GPU设计，大幅降低了AI模型的使用门槛。蚂蚁灵波开源三款 LingBot-World 2.0 世界模型：Small 参数 1.3B 面向消费级单卡 GPU 设计Cohere发布了开源翻译模型North Small Translate，进一步丰富了Small模型在自然语言处理领域的应用。该模型专注于多语言翻译任务，为开发者提供了轻量级翻译解决方案。Cohere 发布开源翻译模型 North Small Translate
Thinkymachines推出了Inkling Small模型，虽然总参数量达到276B，但活跃参数仅为12B，通过参数高效技术实现了性能与资源消耗的平衡。该模型已在OpenRouter平台上提供使用。Thinkymachines Inkling Small发布：276B总参数，12B活跃
当前焦点与观察点
Small模型的发展反映了AI行业对效率与普及性的双重追求。随着1.3B参数的LingBot-World 2.0 Small等模型出现，AI正从云端走向本地，使普通消费者也能在个人设备上运行复杂AI应用。参数高效技术成为Small模型的核心竞争力，如Inkling Small通过276B总参数中仅12B活跃参数的设计，实现了大模型能力与小资源消耗的平衡。这种技术路线可能成为未来AI模型发展的重要方向。
Small模型的兴起也带来了开源生态的繁荣，从Cohere的North Small Translate到蚂蚁灵波的LingBot-World 2.0，开源社区正推动AI技术民主化，使更多人能够接触和使用先进的AI技术。