Snowflake 开源 4800 亿参数混合架构模型 Arctic

发布的是什么

2024 年 4 月 24 日，Snowflake 发布了大语言模型（large language model）Arctic，并把它明确定位为面向企业 AI 的模型，而不是通用聊天助手 ^[1]。这一定位体现在叙事方式上：发布方没有以榜单成绩或消费者场景开场，而是围绕企业里真实出现的任务来组织——编写和修正数据库查询、生成代码、执行多步骤指令 ^[1]。

这三类任务值得分开来看。SQL 生成指把用自然语言提出的问题转成数据库能执行的查询；编程指写出、补全或修复程序文本；指令遵循（instruction following）指完成带有多个部分或约束的请求，而不只是回答一个单独的问题。对一家企业来说，擅长这些任务意味着产出可以直接验证：查询要么返回结果、要么报错，代码要么能编译、要么不能。

与权重一同发布的东西

Arctic 并不是只丢出一组参数。与权重（weights）一起，Snowflake 还公布了一份训练配方（training recipes）手册和研究笔记 ^[1]。

这里的区别需要说清楚。权重是模型在训练中学到的那些数字，加载它们就能运行模型，但权重本身并不说明模型是怎么造出来的。训练配方描述的是过程——数据如何准备和配比、训练如何安排；研究笔记记录的则是团队在过程中观察到的东西。在发布中，Snowflake 主张开放性应当包含数据配方，而不只是权重 ^[1]。这比单纯上传一个模型文件要强：模型的行为很大程度上取决于它用什么数据训练，而只有权重并不能透露这一点。

从哪里可以拿到

分发渠道从一开始就很宽。发布当天，模型就上线了 Hugging Face、NVIDIA API 目录和 Replicate ^[1]。后续还承诺通过 Snowflake Cortex、AWS、Azure、Lamini、Perplexity 和 Together 提供访问 ^[1]。

同时把模型放到多个平台，会降低别人尝试它的成本。Hugging Face 是许多从业者下载权重的地方；API 目录让人不必自己部署就能调用模型；另一些平台则把同一个模型提供给自己的客户。对于面向企业销售的厂商来说，在客户已经在用的工具里出现，往往和模型本身同样重要。

谁提供了底层设施

有两个合作方被点名为基础设施支撑：AWS 协助搭建了训练集群，NVIDIA 通过 TensorRT-LLM 支持了模型服务 ^[1]。

训练一个大语言模型需要成规模的加速器集群持续运行一段时间，而把这套集群组装起来本身就是一项工程。推理服务是另一个问题：模型有了之后，还要能以足够快、足够便宜的方式响应请求，这正是 TensorRT-LLM 这类推理优化库的用途。把两件事拆给不同合作方——一家帮着把模型训出来，另一家帮着把模型跑起来——对于打算以商业规模部署、而非只在实验室里研究的模型来说很常见。

Cortex 的限时免费

Snowflake 还给这次发布配了一个限时安排：Cortex 客户可以免费使用 Arctic，直到 2024 年 6 月 3 日 ^[1]。Cortex 是 Snowflake 把语言模型接入自家数据平台的通道，因此这项安排相当于把模型直接送到了发布所针对的那批客户面前，并且带了截止日期。

为什么值得记一笔

这次发布更适合被看作一次关于大语言模型商业化走向的表态。Arctic 被定位为企业模型，发布当天就通过多条渠道分发，有具名的基础设施合作方背书，并附带一个主张：只发布权重而不说明其背后的数据，算不上完整的开放 ^[1]。这三点都是立场而非技术细节——企业优先、广泛分发，以及对「开放」采取更宽的定义。