目前来看,千问最大的问题,并不是模型能力上不够突出的问题,而是当下产品堆积的功能多且杂。
作为用户,当下我们可供选择的国产大模型很多很多。但如何做到能让用户在交互时,习惯将其作为一个高频的产品,产品依旧还得对齐核心群体,或者说核心需求。
所谓贪多嚼不烂,想要大而全,就得精而强。而qwen模型目前在国内外众多大模型中并不突出,既然有更好的模型产品,为什么我要试着选择千问?并接受他当下的平庸呢?
而同为阿里旗下的ai产品,我虽然没有发现千问的独特优势和特色,却在另一款产品看到了新的想法。
最近上线就冲榜的灵光(同为阿里旗下产品),我在将它与千问对比后,才恍然意识到,模型能力再强,功能再多,其实已经早已超出当下作为一个普通用户我们需要的阈值。
在生活中,我自己在使用ai时,需要也仅仅是在通用语言的交互后,能快速得到我想要的东西,这个东西越直观,越方便人理解,越能让我青睐。
如果是纯搞技术,或者极其垂直的专业用户,他们或许会**磕大模型底层的逻辑推演能力。
但对于绝大多数群体的普通用户,我们需要的无非是更加舒适的交互体验。
同样一个问题,当你用各种大模型去问,得到的无非全是基于网络搜索后的小作文。说实话,这种千篇一律的文字输出,其实是把理解的压力转嫁给了用户。我要自己去读,去分析。
这也就是为什么我觉得现在的AI常常让人觉得累?。
而灵光最为独特之处,我认为是它在输出时,能用最直观的可视化方式来产出结果。
我认为,这绝对是未来所有ai厂商都必须要学会突破的问题,也就是如何去做减法,给用户减负,而这也恰恰是当下的千问所不具备的。
既然有更直观,更省力的方式让用户秒懂,为什么我还要去忍受平庸的文字堆砌?
当然我也并非否定千问尝试向大而全努力的想法,而是说,在全的同时,能否做到每个小功能的精。
让用户在使用的同时,不会被庞杂无用的功能摧残,也不会被繁琐的文字混淆,或许才是一个面向C端产品真正该有的样子。