斯坦福大学的一项新研究表明，运行在本地PC上的小型语言模型（SLMs）在大多数任务中与或优于大型语言模型（LLMs）。该研究将QWEN 3、GEMMA 3、GPT-OSS和GRANITE 4.0在Nvidia和Apple M4芯片上的表现与基于云的ChatGPT 5、Claude Sonnet 4.5和Gemini 2.5 Pro进行了比较。在聊天任务中，最佳SLM在98.6%的情况下匹配或超过了LLM的性能。对于推理任务，SLMs实现了62.5%的性能 parity。综合来看，SLMs在81.2%的真实世界场景中表现得与或优于LLMs。SLMs在能源和计算成本上便宜50-85%。SLMs的成功率从2023年的~50%提升到2025年10月在简单任务上的99%，尽管它们在复杂的5级推理（51.5%）方面仍然落后。该研究估计美国SLM市场达到10万亿美元，威胁着超大规模数据中心的投资，并可能减少对先进芯片的需求。
关键实体：公司：斯坦福大学、Nvidia、苹果、OpenAI、Anthropic、戴尔 | 人物：Saad-Falson等 | 地点：美国
来源: Hacker News · 由HeadlinesBriefing整理摘要