Human-860B-A2B 多模态MoE模型：

如果人类用ai的标准来看，我发现人类其实是本地小模型，参数量是极小的，大概就2B。虽然我们有860亿的神经元，但是日常只调用极少的一部分，算力峰值是忽高忽低的，非常不稳定，可以瞬间分析出今天谁想害你，但是算12345乘以54321就卡机了。预训练通常是不收敛的，今天信科学，明天求神佛，早上说要自律，晚上躺平刷剧，永远在收敛和发散之间反复横跳。多任务并行方面，人类应该是真正意义上的单核单线程，说是能一边听歌一边做正事，一边回消息，其实你的注意力在疯狂的上下文切换，切换的时候还会丢包。联网搜索方面，没有这个能力，属于纯本地离线推理模型，依赖静态知识库，但是语言书籍和互联网是我们的外挂，不过通常延迟高，带宽窄，很多时候还要靠问人来路由。思维链是极长而且容易跑偏的，通常由发散性思维进行路径探索，同时带有大量噪声分支，微调成本高的离谱，而且极易失败，需要消耗大量的食物、睡眠和情绪价值，有的时候会过拟合某句鸡汤，然后很长一段时间拿它来当人生哲理。知识截止日期没有明确的截止日期，而且每天都在接收新的垃圾，比如刷的无脑短视频，跟朋友聊的八卦，论坛里的帖子，每天接收到的有效信息不超过1%。能耗管理属于极端省电模式，代价是每天必须强制关机4-8小时来清理缓存，否则一般会直接黑屏。这样说起来人类不太好用。