随着AI技术的不断发展，大型模型以其强大的性能受到了广泛关注。然而，模型的大型化并非提升性能的唯一途径。近期，越来越多的研究者和企业开始探索将大模型做小的可能性，以实现更高效、更灵活的AI应用。

Meta最近发布的Llama3就是一个典型的例子。尽管其参数量并未显著增加，但通过优化训练方法和数据集，Llama3在某些方面的性能甚至超越了其前一代的大型模型。这一进步表明，通过精心设计和优化，小型模型同样可以实现出色的性能。

此外，微软也展示了其Phi-3系列小模型的技术成果。这些模型在保持较小参数量的同时，实现了与大型模型相当甚至更优的性能。特别值得一提的是，这些小型模型甚至可以在手机上运行，为AI技术的普及和应用提供了更多可能性。

将大模型做小正逐渐成为业内的一种共识。这种方法不仅可以减少对算力资源的需求，降低运行成本，还有助于推动AI技术在更多领域的应用。尤其是在资源有限的情况下，小型化模型为AI的可持续发展提供了新的思路。

展望未来，谁能够在保持模型性能的同时实现其小型化，谁就将在AI领域占据更有利的竞争地位。这不仅是技术实力的体现，也是推动AI技术更广泛应用的关键所在。