当所有人都在为“更大、更强、更贵”的千亿参数大模型疯狂内卷时，一家名为 Sakana AI 的公司，却选择了一条看似“逆行”的道路。他们最近开源的 Fugu 系列模型，参数规模仅为 70 亿，却凭借一个核心设计理念，在多项基准测试中挑战了比自己大一个数量级的对手。这不禁让人好奇：在算力即壁垒的时代，Sakana 凭什么认为“小”也能“美”？Fugu 模型背后，究竟隐藏着哪些对当前大模型发展路径的反思与颠覆？对于大多数开发者和技术团队而言，动辄数百GB显存需求的千亿模型，不仅是技术门槛，更是沉重的成本负担。我们真正需要的，是能在有限资源下稳定运行、快速响应、且具备足够智能的模型。Fugu 的出现，恰好指向了这个痛点。它没有追求极致的通用能力，而是通过一种名为“模型合并”的技术，将多个擅长不同任务的“专家”模型，巧妙地融合成一个更强大的“通才”模型。这听起来像是一种工程上的“捷径”，但 Sakana 的实践表明，这条“捷径”可能比我们想象的更有效，甚至可能重塑未来模型开发的范式。本文将带你深入实测 Fugu 模型，并拆解 Sakana 这一“以小博大”的新思路。我们不仅会跑通一个完整的本地推理示例，更会探讨：模型合并技术为何能成为开源社区的“新宠”？它解决了传统微调的哪些瓶颈？在实际部署中，我们又该如何评估和利用这类“混合”模型？无论你是想在自己的项目中低成本集成 AI 能力，还是关注大模型技术的前沿演进，这篇文章都将提供一份务实的参考。1. Fugu 模型：Sakana AI 的“以小博大”策略在深入代码之前，我们必须先理解 Sakana AI 选择这条路径的底层逻辑。当前大模型的发展，似乎陷入了一个“规模竞赛”的怪圈：更多的参数、更多的数据、更长的训练时间，以期获得更全面的能力。然而，这条路径的边际效应正在递减，且将绝大多数研究机构和中小企业挡在了门外。Sakana AI 的联合创始人 David Ha（前 Google Brain 研究员）和 Llion Jones（Transformer 架构的共同发明人）提出了一个关键洞察：与其从零开始训练一个全能模型，不如高效地组合现有专家模型的能力。这就像组建一个顶尖的团队，你不需要每个人都精通所有领域，而是让每个成员在其专业领域做到极致，再通过高效的协作机制，让团队整体表现出色。Fugu 模型正是这一思想的产物。它的核心技术是模型合并。具体来说，Sakana 团队并没有从头预训练一个 7B 模型，而是选取了多个在特定任务上表现优异的开源模型（例如，一个擅长代码的 CodeLlama，一个擅长数学推理的模型，一个擅长对话的模型），通过先进的算法将它们“融合”成一个单一的模型。这个融合过程不仅仅是简单的参数平均，而是涉及层权重的对齐与插值，旨在保留各专家模型的优势，同时让它们在一个统一的架构下协同工作。那么，这对开发者意味着什么？更低的部署门槛：7B 参数模型可以在消费级显卡（如 RTX 3090/4090）甚至通过量化技术在更低的配置上流畅运行，极大降低了本地化部署和实验的成本。更快的迭代速度：基于现有模型进行合并，其“开发”周期远短于从头训练，使得社区可以快速尝试不同专家模型的组合，探索能力边界。明确的能力预期：由于合并源是已知的专家模型，我们可以对 Fugu 在代码、数学、推理等方面的能力有一个相对清晰的基线预期，而不是面对一个“黑箱”巨模型去盲目测试。接下来，我们将通过实际部署和测试，来验证 Fugu 模型是否真的兑现了“小而强”的承诺。2. 核心概念：什么是模型合并？在开始动手之前，我们需要厘清几个关键概念，避免与相似技术混淆。2.1 模型合并 vs. 模型微调这是最容易混淆的一对概念。为了更清晰地展示它们的区别，我们通过下表进行对比：特性模型微调模型合并出发点在一个预训练基础模型上，使用特定领域数据继续训练，使其适应新任务。将多个训练好的模型（基础模型或微调模型）的权重进行组合，创建一个新模型。数据需求需要准备高质量的领域特定数据集。通常不需要额外的训练数据，核心在于算法融合。计算成本中等至高。需要反向传播和梯度更新，消耗显存和算力。较低。主要是前向计算和权重运算，可在 CPU 上完成。主要目标让模型掌握新的技能或知识（如法律问答、医疗诊断）。让模型集成多种现有技能（如同时擅长代码和数学），或提升泛化能力。输出得到一个在基础模型上调整了权重的新模型。得到一个融合了多个源模型权重的新模型。类比让一位通才工程师去深入学习区块链开发，成为该领域的专家。将一位前
当所有人都在为“更大、更强、更贵”的千亿参数大模型疯狂内卷时，一家名为 Sakana AI 的公司，却选择了一条看似“逆行”的道路。他们最近开源的 Fugu 系列模型，参数规模仅为 70 亿，却凭借一个核心设计理念，在多项基准测试中挑战了比自己大一个数量级的对手。这不禁让人好奇：在算力即壁垒的时代，Sakana 凭什么认为“小”也能“美”？Fugu 模型背后，究竟隐藏着哪些对当前大模型发展路径的反思与颠覆？对于大多数开发者和技术团队而言，动辄数百GB显存需求的千亿模型，不仅是技术门槛，更是沉重的成本负担。我们真正需要的，是能在有限资源下稳定运行、快速响应、且具备足够智能的模型。Fugu 的出现，恰好指向了这个痛点。它没有追求极致的通用能力，而是通过一种名为“模型合并”的技术，将多个擅长不同任务的“专家”模型，巧妙地融合成一个更强大的“通才”模型。这听起来像是一种工程上的“捷径”，但 Sakana 的实践表明，这条“捷径”可能比我们想象的更有效，甚至可能重塑未来模型开发的范式。本文将带你深入实测 Fugu 模型，并拆解 Sakana 这一“以小博大”的新思路。我们不仅会跑通一个完整的本地推理示例，更会探讨：模型合并技术为何能成为开源社区的“新宠”？它解决了传统微调的哪些瓶颈？在实际部署中，我们又该如何评估和利用这类“混合”模型？无论你是想在自己的项目中低成本集成 AI 能力，还是关注大模型技术的前沿演进，这篇文章都将提供一份务实的参考。1. Fugu 模型：Sakana AI 的“以小博大”策略在深入代码之前，我们必须先理解 Sakana AI 选择这条路径的底层逻辑。当前大模型的发展，似乎陷入了一个“规模竞赛”的怪圈：更多的参数、更多的数据、更长的训练时间，以期获得更全面的能力。然而，这条路径的边际效应正在递减，且将绝大多数研究机构和中小企业挡在了门外。Sakana AI 的联合创始人 David Ha（前 Google Brain 研究员）和 Llion Jones（Transformer 架构的共同发明人）提出了一个关键洞察：与其从零开始训练一个全能模型，不如高效地组合现有专家模型的能力。这就像组建一个顶尖的团队，你不需要每个人都精通所有领域，而是让每个成员在其专业领域做到极致，再通过高效的协作机制，让团队整体表现出色。Fugu 模型正是这一思想的产物。它的核心技术是模型合并。具体来说，Sakana 团队并没有从头预训练一个 7B 模型，而是选取了多个在特定任务上表现优异的开源模型（例如，一个擅长代码的 CodeLlama，一个擅长数学推理的模型，一个擅长对话的模型），通过先进的算法将它们“融合”成一个单一的模型。这个融合过程不仅仅是简单的参数平均，而是涉及层权重的对齐与插值，旨在保留各专家模型的优势，同时让它们在一个统一的架构下协同工作。那么，这对开发者意味着什么？更低的部署门槛：7B 参数模型可以在消费级显卡（如 RTX 3090/4090）甚至通过量化技术在更低的配置上流畅运行，极大降低了本地化部署和实验的成本。更快的迭代速度：基于现有模型进行合并，其“开发”周期远短于从头训练，使得社区可以快速尝试不同专家模型的组合，探索能力边界。明确的能力预期：由于合并源是已知的专家模型，我们可以对 Fugu 在代码、数学、推理等方面的能力有一个相对清晰的基线预期，而不是面对一个“黑箱”巨模型去盲目测试。接下来，我们将通过实际部署和测试，来验证 Fugu 模型是否真的兑现了“小而强”的承诺。2. 核心概念：什么是模型合并？在开始动手之前，我们需要厘清几个关键概念，避免与相似技术混淆。2.1 模型合并 vs. 模型微调这是最容易混淆的一对概念。为了更清晰地展示它们的区别，我们通过下表进行对比：特性模型微调模型合并出发点在一个预训练基础模型上，使用特定领域数据继续训练，使其适应新任务。将多个训练好的模型（基础模型或微调模型）的权重进行组合，创建一个新模型。数据需求需要准备高质量的领域特定数据集。通常不需要额外的训练数据，核心在于算法融合。计算成本中等至高。需要反向传播和梯度更新，消耗显存和算力。较低。主要是前向计算和权重运算，可在 CPU 上完成。主要目标让模型掌握新的技能或知识（如法律问答、医疗诊断）。让模型集成多种现有技能（如同时擅长代码和数学），或提升泛化能力。输出得到一个在基础模型上调整了权重的新模型。得到一个融合了多个源模型权重的新模型。类比让一位通才工程师去深入学习区块链开发，成为该领域的专家。将一位前
