最近开始补 AI 知识，发现自己以前对 AI 模型的理解还挺简单的。总觉得模型越大越聪明，参数越多越厉害 😂 这两天研究了一下 @flock_io 新出的「这那模型」，先不说别的，这名字真的很搞笑，哈哈哈哈哈哈，咋想的？ 一开始看到 Qwen3.5-2B、GraphSynth、CircuitSynth，脑袋有点大，想放弃研究 AI 了。 后面搞明白它是干什么的，发现其实挺好理解。（对了，你们其实可以让 AI 了解 AI，GPT 最近聪明了很多 比如平时刷链上项目，可能会碰到担心合约有明显的危险权限，这条推文是在讲项目更新，还是纯粹喊单？这个任务应该交给哪个 AI 工具处理？ 很多时候我们要的就是一个判断，甚至只需要 YES / NO。但普通大模型还要给你生成一大段解释。 THIS / THAT 做的事情就比较直接了。 它专门处理这种有明确选项的决策问题，不用一个字一个字生成回答，而是直接给不同选项计算概率。有点像给 AI Agent 配了个专门负责做选择题的小脑。 FLock 用 Qwen3.5-2B 做基础，结合 Qwen Max 生成的数据和他们在 ACL 2026 的研究方法，在阿里云上训练出来。 根据 FLock 自己公布的测试，最新 1.2 版本在特定复杂决策任务上的成功率达到了 87.8%。 当然这不代表它比所有大模型都聪明，测试的也只是特定类型的问题。 但我作为一个 AI 新手，反而觉得这里有个挺值得思考的地方。以前总觉得 AI 越强，就应该什么事情都交给最强的模型。现在发现可能也没这个必要。 就像平时交易，你不会为了查一下余额，专门找个分析师给你写份研报 😂 复杂的事情交给大模型。每天要重复几千次的简单判断，交给这种专门训练的小模型。 以前看 FLock 更多是去中心化 AI 训练、算力这些东西，离普通用户感觉有点远，所以只会买买 base:0x5ab3d4c385b400f3abb49e80de2faf6a88a7b691 。 这次 THIS / THAT 反而让我第一次比较直观地理解，他们训练出来的模型具体可以拿来解决什么问题。 AI 这条线还得继续补课，先从做选择题开始 😂