【大模型正在“主动变蠢”：这可能是本地AI的唯一活路】近期技术趋势显示，AI实验室正有意识地剥离模型的“世界知识”以换取更强的“推理能力”。数据表明，像Qwen或DeepSeek的小参数模型在数学和代码测试中进步神速，但在事实性问答上却表现糟糕，甚至在SimpleQA测试中出现高达80%的幻觉率。这是因为参数是昂贵的资产，14B或32B的模型无法装下整部百科全书，开发者选择将有限的容量留给逻辑算法，而将事实性信息交给外部工具。这种“去知识化”反映了算力分配的底层逻辑：事实是会腐烂的，API接口和新闻每天都在变，但逻辑推理是永恒的。社区评论指出，虽然用户渴望像插拔模块一样组合“Swift专家”或“地理专家”，但现实中大模型的通用能力往往源于知识的交织——学过Python的逻辑反而能让模型写出更好的Swift代码。对普通用户而言，这意味着未来的理想形态不是一个无所不知的云端巨兽，而是一个跑在本地显卡上、推理极其敏锐但“空腹”的推理引擎。它不再背诵死知识，而是通过RAG检索你本地的文档或实时搜索来解决问题。当事实有了可追溯的“地址”，幻觉才可能真正被治理。