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。