四个小模型刚刚击败了它们的大哥。这不再是巧合。

来自腾讯的OvisOCR2，一个拥有8亿参数的模型，在OmniDocBench上获得了96.58分，成为首个登顶该排行榜的端到端模型。多年来，多阶段流水线系统（将检测、布局和识别模型串联）一直主导文档解析领域，其假设是将问题分解为多个阶段是达到最高精度的唯一方法。一个单一的小模型凭借强化学习和蒸馏而非更多参数，彻底击败了这一架构。这样的结果应该让每个维护流水线系统的团队反思：这种复杂性是否仍然值得？

这并非本月孤立的案例。微软的Mage-Flow，一个拥有40亿参数的图像生成与编辑模型，在单块A100 GPU上即可运行，其性能媲美Qwen-Image和FLUX.2等更大的300亿参数系统。其关键创新并非更大的网络，而是一个轻量级分词器，将编码成本降低了12倍。Celeris-1在MMLU-Pro上获得75.9%的分数，延迟仅为158毫秒，比GPT-5 mini快8倍，而准确率仅下降2.6个百分点, , 这种取舍，大多数生产部署都会毫不犹豫地接受。在一个更具体但也更尖锐的对比中，Claude Opus 5在一个交互物理基准测试中通过了所有三项任务，且成本在顶级模型中最低，而Claude Fable 5以两倍的价格却未能通过任何一项。

这四个模型的共同点

这些成果并非来自某个碰巧能泛化的单一架构技巧。OvisOCR2依赖蒸馏和强化学习；Mage-Flow依赖分词器效率；Celeris-1将推理速度作为首要设计目标而非事后考虑；Opus 5的结果实际上关乎特定任务类型上的训练和对齐质量，与规模完全无关。它们的共同点是，每个团队都不再把参数数量当作默认杠杆，而是找到了各自具体问题中的实际瓶颈, , 分词开销、流水线冗余、推理延迟、任务特定推理, , 并直接加以解决。

为什么这比四个产品发布更重要

实际后果是，“可用最大模型”不再是“我们应该用哪个模型”的安全默认答案，即使对于没有预算限制的团队也是如此。一个300亿参数的图像模型被一个40亿参数的模型在单个消费者可访问的GPU上匹敌，这不仅更便宜，更表明更大模型的额外容量从一开始就没有被高效利用。这四个成果各自是一个小而具体的工程胜利。它们共同表明，该领域剩余的最容易的收益越来越多地来自问模型浪费了什么，而不是问它能有多大。