清華TsinghuaNLP團(tuán)隊(duì)，登上Nature子刊封面：“模型的能力密度，每3.5個(gè)月翻倍”

Nature Machine Intelligence 封面

《Densing Law of LLMs》 論文，登上 Nature Machine Intelligence 封面

這篇論文，提出了一個(gè)很有趣的點(diǎn)

Densing Law 模型的能力密度，每 3.5 個(gè)月翻倍

通過分析了 51 個(gè)開源模型，量化了一個(gè)現(xiàn)象：

• ? 模型能力密度，呈指數(shù)級(jí)增長， 倍增周期約 3.5 個(gè)月

• ? 這意味著達(dá)到同等性能水平，所需的參數(shù)量 每 3.5 個(gè)月減少一半

• ? 伴隨參數(shù)效率的提升，同等性能下的 推理成本每 2.6 個(gè)月腰斬

本論文的第一作者為肖朝軍，通訊作者為韓旭、劉知遠(yuǎn)、孫茂松，來自清華TsinghuaNLP團(tuán)隊(duì)

論文回顧

讓我先用簡明的方式，簡單講下論文：能力密度，每 3.5 個(gè)月翻倍，這里的能力密度是什么？

能力密度 = 等效參數(shù)量 ÷ 實(shí)際參數(shù)量

「能力密度」是怎么得來的

換句話說：
2B 模型跑出 4B 的成績，密度就是 2

Llama-1 發(fā)布時(shí)，密度不到 0.1

兩年后，Gemma-2-9B 和 MiniCPM-3-4B 接近 2

模型能力密度趨勢圖

兩年，能力密度提高 20 倍
和體感是不是很接近？模型咔咔在變聰明

那么...怎么漲的？
你可能聽說過小模型變強(qiáng)的兩種做法：

• ? 剪枝 ：把大模型參數(shù)砍掉一部分

• ? 量化 ：把參數(shù)精度從 32 位降到 8 位

但論文發(fā)現(xiàn)，這兩種方法都會(huì)讓密度下降

• ? Llama-3.2-3B/1B 從 8B 剪枝來，密度比原模型低

• ? Llama-3.1-minitron-4B 也是，密度也低

• ? GPTQ 量化后，密度同樣下降

論文解釋：
壓縮過程中訓(xùn)練不充分，能力沒塞回去

密度提升靠的是更好的預(yù)訓(xùn)練數(shù)據(jù)，更好的架構(gòu)，后期壓縮是沒用的
那如果 3.5 個(gè)月翻倍這個(gè)規(guī)律持續(xù)下去，會(huì)怎樣？
論文給了幾個(gè)推論

密度提升靠的是更好的預(yù)訓(xùn)練數(shù)據(jù)，更好的架構(gòu)，后期壓縮是沒用的

那如果 3.5 個(gè)月翻倍這個(gè)規(guī)律持續(xù)下去，會(huì)怎樣？

論文給了幾個(gè)推論

推論一：推理成本指數(shù)下降

密度翻倍，同等性能所需參數(shù)量減半，算力顯存跟著減半

論文算了一下：同等性能的推理成本，每 2.6 個(gè)月腰斬

各種模型的調(diào)用價(jià)格，飛速下降，圖自論文 Fig.3a 推論二：ChatGPT 加速了密度增長

ChatGPT 發(fā)布前，密度增長斜率是 0.0048，發(fā)布后變成了 0.0073

ChatGPT 發(fā)布后，斜率明顯上升，圖自論文 Fig.3c

增速提升 50%

這說明... AI 大火之后，人、錢、資源都涌了進(jìn)來，增速實(shí)打?qū)嵦岣吡?/p>

推論三：端側(cè)設(shè)備會(huì)越來越能打

在過去幾年里，相同價(jià)格芯片的計(jì)算能力大約每 2.1 年翻一番

而根據(jù)上面的結(jié)論，模型密度每 3.5 個(gè)月翻倍

疊加一下：固定價(jià)格端側(cè)設(shè)備，能跑的有效參數(shù)量每 88 天翻番

emmmmnm...未來可期

又不是不可能... 歷史回顧

這部分和論文無關(guān)，是我自己整理的行業(yè)數(shù)據(jù)，我們來看看實(shí)際價(jià)格

先說量販?zhǔn)?/p>

2022 年底，ChatGPT 發(fā)布的時(shí)候，能用到的模型叫text-davinci-003 ，后面也被稱作 GPT-3，定價(jià)是 20 美元/百萬 token

2024 年 7 月，GPT-4o mini 出來了，0.15 美元/百萬輸入 token，比 GPT-3.5 Turbo 便宜 60%，MMLU 跑分還更高——82% vs 69.8%

2024 年 8 月，Gemini-1.5-Flash，0.075 美元/百萬 token

從 text-davinci-003 到 Gemini Flash，20 個(gè)月，降了 266 倍

旗艦?zāi)Ｐ湍兀?/p>

最開始的 GPT-4，是 23年6月13日發(fā)布的，輸入是 60 美元/百萬 token。還有個(gè)更貴的 GPT-4-32k，輸入是 60美金/百萬 token

而最新的 GPT-5.1 則只需要 1.25 美元/百萬 token

OpenAI 的模型價(jià)格

順便說一下，國產(chǎn)平替 GLM-4.6 更是低至 0.3 美元/百萬 token，要啥自行車

GLM 的模型價(jià)格

不僅僅是價(jià)格巨幅降低，性能也是節(jié)節(jié)攀升，曾經(jīng)的模型能力，從現(xiàn)在的角度，完全不夠看

模型能力進(jìn)化史 再看小模型

2024 年 2 月，MiniCPM-2.4B 發(fā)布，參數(shù)量只有 Mistral-7B 的 35%，跑分接近 Mistral-7B，中文、數(shù)學(xué)、代碼還更強(qiáng)，整體超過 Llama2-13B、MPT-30B、Falcon-40B

還是看這個(gè)圖，圈子大小表示參數(shù)量

考慮到 Mistral-7B 是 2023 年 9 月發(fā)布的，那么...

4 個(gè)月，參數(shù)量砍到 35%，性能不降

這樣的例子還很多，大致都可以和論文的 Densing Law 對(duì)得上，未來大模型的發(fā)展都可以參照這個(gè)來評(píng)判

穿插個(gè)題外話：Dense vs MoE

上文中，我提到過兩種模型，一種是幾百B的，另一種則是幾B的...

一些朋友可能會(huì)好奇，為啥都是大模型，有的賊大，有的賊小...

這其實(shí)是個(gè)架構(gòu)問題，有些是 MoE 架構(gòu)，體積大，適合服務(wù)器部署（訓(xùn)練/規(guī)模化推理成本有優(yōu)勢）；有些是 Dense 架構(gòu)，體積小，適合本地部署（尺寸上有優(yōu)勢），詳細(xì)的解釋可以看這里：

總結(jié)

一句話展望
按這個(gè)發(fā)展速度，在小天才手表上，跑 Nano Banana，指日可待

圖是ai畫的，但我是認(rèn)真的...現(xiàn)在的小天才，已經(jīng)比安尼亞克（ENIAC）強(qiáng)太多了