每日AI新鲜事·07月20日午间版：小MoE干翻大模型

今天AI圈消息不算多，但有一条让我看了好几遍——阿里通义千问搞了个很有意思的模型，35B总参数，每次推理只激活3B，在AgentWorldBench上居然跑出了56.39分。

对，就是Qwen-AgentWorld-35B-A3B，这个命名方式已经把核心参数全暴露了。35B是总量，A3B是激活量，MoE架构。

这个分数说实话挺炸裂的。AgentWorldBench是专门测Agent能力的，不是普通的文字理解题，是要让模型真的去完成任务、做决策。

我看到这个的第一反应就是——激活3B，这不就是一个小模型的计算量吗？但它能打到这个分数，凭什么？

这就是MoE的精髓嘛。知识存在35B里，但推理的时候只调动最相关的那3B来干活。相当于你有个一百人的团队，每次只出动最对口的六七个人。

效率上来了，推理成本大幅下降，但因为整个知识库还在，理论上能力损失不大。阿里这次把这个逻辑推到Agent任务上，效果看来是验证到了。

这个话题在B站互动挺高的，互动分603，评论区大家聊得挺热闹。我待会儿想多聊聊这个——先把今天其他的消息快速过一下。

其实今天新闻这边相对清淡，板块一我们就快速带过一条——就是Qwen-AgentWorld这个本身，因为这既是新闻也是今天最值得深聊的话题。

行，那就直接进正题。

好，新闻就先到这儿。接下来我们就把这个Qwen-AgentWorld好好拆一拆——小MoE干大活，这件事到底意味着什么。

先说结论：我认为这是一个信号，Agent时代的模型竞争逻辑，跟之前拼通用能力的逻辑是不一样的。

怎么个不一样法？你展开说说。

之前大家卷的是什么——MMLU、GSM8K、各种推理benchmark，本质上是在测模型有没有足够多的知识和通用能力。

但AgentWorldBench不一样，它测的是你能不能在一个环境里连续行动、规划、纠错，完成一个多步骤任务。这对模型的要求是另一个维度的。

所以你的意思是，以前拼参数量有意义，现在拼的是另一套能力？

对，至少在Agent这个场景下是这样。一个激活3B的模型能在Agent任务上打出这个分数，说明参数量不是决定性因素，训练数据和任务对齐才是关键。

这倒让我想起之前看到的一个讨论——有人说现在搞Agent，推理成本才是最大的瓶颈，因为Agent要反复调用模型，一个任务可能要跑几十步。

你这个点说到核心了。一个Agent任务，模型可能要被调用二三十次，每次都用dense大模型，成本根本扛不住。

所以小激活量的MoE在这里有天然优势——推理成本低，但知识储备足够。阿里这次选35B总参、3B激活这个配比，我觉得是蓄谋已久的。

但我有个疑问——56.39分，这个分数本身算高吗？AgentWorldBench的满分是多少，有没有横向参照？

这个benchmark相对新，目前公开的参照系还比较少。但考虑到它测的是真实Agent任务，不是填空题，能到五六十分这个区间已经是相当扎实的水平了。

而且关键不是绝对分数，是性价比。你用3B的推理成本打出这个分，比你用一个70B dense模型打出同样分数，完全是两个商业逻辑。

这个性价比的角度很重要。从产品角度说，如果我要部署一个Agent，我肯定首先考虑的是能不能跑起来、成本能不能接受，再考虑能力够不够用。

对，能力够用就行，没人要求你满分。而且现在很多Agent场景其实都是垂直任务——代码Agent、客服Agent、数据分析Agent，不需要你什么都会。

所以专项调优加上MoE的低成本，这个组合在垂直Agent场景里可能真的很有竞争力。

而且阿里能把这个做出来，背后还有一个前提——他们对Qwen系列的基础能力已经打磨得相当扎实了。MoE是在好基础上的优化，不是在凑数。

这倒是，Qwen这两年进步肉眼可见。B站上这个视频的评论，大家聊得最多的是什么？

评论区两极分化挺有意思的。一部分人很excited，觉得小模型时代来了，以后本地部署Agent有戏了。另一部分人在质疑benchmark是不是有水分。

这个质疑倒也正常，现在AI圈benchmark刷分刷出花来了，大家不信任是有原因的。

对，这其实是个行业问题。AgentWorldBench相对是个更难刷的benchmark，因为它是端到端任务评估，不是选项题，想专门针对它过拟合没那么容易。

但我也不敢说完全没有针对优化的成分。这个只能等更多独立复现来验证了。

所以你总体是持谨慎乐观的态度？

对，谨慎乐观。方向是对的，MoE加Agent专项调优这条路我觉得是未来的主流方向之一。但具体这个分数水不水，还需要时间验证。

我还有一个角度想聊——这次是35B总参，那如果阿里把同样的方法论用到更大的基座上，比如总参200B、300B，激活可能还是很小，但天花板会不会更高？

这个推论理论上成立，而且之前MiniMax的M3就是往这个方向走的——总参428B，激活23B。规模更大，但推理成本依然可控。

阿里这次用35B做验证，可能是先跑通方法论，后续完全有可能往上打。如果再配合专项的Agent训练数据，潜力很大。

所以现在各家的路线越来越清晰了——不再是单纯拼总参数，而是MoE架构加上垂直场景调优，这两个维度同时发力。

对，而且这个趋势对整个行业都是好事。训练成本、推理成本都在往下走，更多的人和公司能用上能力不错的Agent，生态才能真正起来。

从产品角度说，我最期待的其实是这个——如果推理成本真的降下来了，那很多现在因为成本太高而没法做的Agent产品，可能就真的有机会了。

这个判断我完全同意。Agent产品的普及，很大程度上卡在推理成本这个瓶颈上。MoE把这个瓶颈打开一个口子，后面的产品想象空间就打开了。

好，那我来总结一下今天这个话题：阿里Qwen-AgentWorld用35B总参、3B激活的MoE，在AgentWorldBench上打出56.39分，核心价值不是分数本身，是低推理成本下的高Agent能力，给行业验证了一条新路线。

总结到位。就等后续独立复现来盖章了。

行，今天就聊到这儿。如果你对AgentWorldBench或者MoE这个方向有想法，欢迎来留言，我们晚上见。