模型命名别只看大小

OpenAI 的 Ted Sanders 最近聊了聊 GPT-6.1 Terra 的定位，顺带把自家模型命名逻辑讲了一遍。他的核心观点是模型能力是多维的，数学好的模型未必会讲笑话，但大部分性能差距还是能归结到一个变量上，也就是模型规模。

不过规模并不能解释一切。Sanders 提到，更新的小模型靠更好的训练数据和架构改进，完全可能反超老的大模型。Terra 在技术沟通上大概率强于更大的 Astra，图像处理和电脑操作也基本打平，价格却低不少，只是其他多数领域还是落后。他给的选择建议很直白：只在乎质量就选 Astra，对价格稍微敏感就选 Sol，非常在意成本就上 Terra 或 Luna。这个分层其实挺诚实，等于承认旗舰和走量款之间是明确的取舍，而不是靠一个分数糊弄过去。我比较认同他反对把规模、推理强度、多智能体这些维度揉成一个所谓 IQ 分的做法。真做过选型的人都知道，一个总分看着漂亮的模型，落到具体业务里可能处处别扭，拆开看反而更容易匹配场景。对我们做出海工具的人来说，这条信息挺实用。与其追着参数最大的那个跑，不如先想清楚自己最在意的是质量还是成本，再按维度去挑。Terra 这种低价位的小模型，在客服、内容初稿这类场景里可能已经够用了。