6 款参数规模不超过 4B 的小模型，在 CamThink 团队的智能体任务测评中呈现出持续提升的“智能密度”。这值得关注，因为企业部署 AI 助手（能调用工具并完成多步骤任务的系统）时，新增一层模型可能比一味追求更大参数更接近成本拐点。

这是什么

这次测评覆盖 Qwen3.5-4B、Spark-X2.6、LFM3-1.7B、LFM2.5-2.6B、Gemma 4 E2B 和 MiniCPM5-2B，测试对象均为小参数语言模型（参数规模不超过 40 亿）。

与常见问答榜单不同，智能体任务更接近真实使用场景：模型需要理解目标、拆解步骤、调用外部工具，并根据执行结果继续判断。CamThink 同时公开了测试博客和 NeoMind 项目，但目前公开信息更侧重结论，完整数据、测试环境与评分方法仍需进一步核对。

行业怎么看

我们认为，这组结果释放了一个务实信号：小模型正在从“便宜但能力有限”的备选方案，变成可被纳入生产部署的候选层。对于数据不能出域、调用量较大、任务流程相对固定的企业，本地小模型有机会承担分类、抽取、信息检索和基础工具调度，从而减少对昂贵大模型的依赖。

但风险也很明确。首先，这是发布方使用自有智能体任务和自建评测得出的结果，缺少独立机构复测，横向可比性仍然有限。其次，小模型在复杂指令、长流程容错和陌生工具上的稳定性，未必能仅凭一次测评确认。智能体失败一次可能带来多步错误，因此“平均分接近”不等于“业务成本更低”。

对普通人的影响

对企业 IT：模型选型可能从“只比较最大参数”转向按任务分层。小模型负责高频基础环节，大模型处理复杂推理，有助于同时控制预算和数据风险。

对个人职场：本地运行的小型助手可能进入更多电脑、手机和办公软件。隐私更强、响应更快是实际优点，但能否可靠完成跨应用任务，仍取决于工具连接与执行稳定性。

对消费市场：端侧模型能力上升后，录音整理、文件问答和设备控制等功能会更普遍地内置在消费电子产品中。价格下降值得期待，效果是否够用仍要看具体任务，而不是参数规模本身。