專做一件事的小模型會走進企業:本報押 2027 年 7 月前出現至少 10 個具名商用案例——開獎 2027-07-14

這在吵什麼:研究端已經顯示,用大模型教小模型(業界叫蒸餾)、只練一件窄任務的小模型,能在數學證明這類題目勝過大得多的模型;問題是企業會不會真的拿這種小模型上線。

為何重要:如果窄域小模型能商用,企業許多工作就不必付大模型的價錢,AI 推論(模型產生回答的運算)的成本結構會跟著變。

誰在對賭:一邊認為這只是論文成果、企業仍會用通用大模型;本報押窄域蒸餾小模型的商用案例會累積起來,但信心只有四成。

本報判讀:到 2027-07-14,公開可查證的窄域蒸餾(用大模型的輸出訓練只做一類任務的小模型)商用部署案例,累計會達到至少 10 個。每個案例都要有具名企業和具名使用場景,泛稱「某大廠在用」不算。本報信心四成。

研究面的支撐:DeepSeek-R1 論文說,大模型湧現的推理模式可以系統性地蒸餾給小模型;4B 參數的開源模型 QED-Nano 在奧數級定理證明上勝過 GPT-OSS-120B,推理成本只是一小部分。

本報刻意用「累計 10 個」這種絕對數字當門檻,不用成長率,因為成長率需要一個今天的基準案例數,而本報沒有核實過這個數字。

arXiv (DeepSeek-AI, lab 集體署名)
「we show that the reasoning abilities of LLMs can…」

arXiv (LM-Provers/Qu/Setlur/Tunstall/Aviral Kumar)
「surpasses the proof-generation performance of much…」

arXiv
「both pure and hybrid Mamba models can scale their…」

到 2027-07-14 對答案:彙整主流科技媒體報導,以及各 AI 實驗室、雲端廠商官方的客戶案例頁,把窄域蒸餾小模型的商用部署案例逐一具名列出來計數。

累計至少 10 個:說中。不到 10 個:沒中。

個別案例看不出是不是「窄域」或「蒸餾」,就不算進去。如果彙整方法被證明有系統性漏算(例如只看英文媒體而低估),這題判為無法判定,不硬算。

什麼會推翻它

到期時具名案例累計不到 10 個,「窄域蒸餾小模型在商用端擴張」的讀法就減弱。