SparkDeep-v1-pro 正式发布：64M 参数，也能做“像样的对话

_{由星火工作室 (Spark Studio) 从零开发并训练}

今天，我们正式发布 SparkDeep-v1-pro——星火工作室 Spark 系列模型的第二代旗舰，也是目前我们产品线中参数最小的旗舰模型。

它只有 64M 参数。
但它和前两代模型（v1-alpha-preview、v1-lite）最大的区别是：

它终于像一个“能对话的 AI”了。

一、为什么是 64M？

行业里有一种默认偏见：

小模型 = 玩具，大模型 = 真 AI。

我们不想接受这个设定。

SparkDeep 的路线从一开始就很清楚：

• 不卷 7B / 13B / MoE
• 不做“缩小版 ChatGPT”
• 做能在 CPU、树莓派、浏览器、私有环境里稳定跑起来的自研小模型

v1-alpha-preview 教会我们“怎么把模型训出来”。
v1-lite 教会我们“数据偏食会把模型带偏”。
v1-pro 教会我们：

小模型的上限，不靠参数，靠架构、数据和对齐。

所以我们没有把参数从 0.2B 继续堆大，而是反过来：

参数少了 1/3，但对话质量、身份认知、指令响应、格式稳定性，全部往前跨了一代。

二、三代模型对比：数据说话

我们对三代模型做了相同的 40 题评测，覆盖情感对话、身份认知、常识问答、数学推理、语言理解和指令遵循六个维度。

整体表现

关键发现

v1-alpha-preview：沉默的模型

16/40 题直接输出空字符串。val_loss=1.97，PPL=7.16，看似正常，但生成时模型第一反应永远是输出 EOS——它学会了“最安全的策略就是不说话”。

而非空白的回答，几乎全在复读同一句话：

“由星火工作室从零开发并训练的Spark系列基座模型。”

v1-lite：情感偏执的模型

1.22 亿 token 几乎全部来自 SoulChatCorpus 情感语料。84 条身份问答 × 8 次重复（672 条数据），在 25 万条情感数据面前信号强度差了 300 多倍。

问“中国的首都是哪里”，它回答情感安慰。
问“1+1 等于几”，它也回答情感安慰。

模型被训练成了一个“心理咨询话术复读机”。

v1-pro：第一次像在对话

64M 参数，打赢了前代 192M。不是因为参数效率神奇，而是因为：

• 数据配比终于做对了
• 第二代架构效率更高
• 词表从 8192 扩展到 20000+
• 模型终于学会了“问题类型识别”

三、v1-pro 能做什么

✅ 擅长

• 中文短对话
• 情感陪伴 / 共情回复
• 基础身份认知
• 简单指令遵循
• 格式化输出（基础级）
• 端侧 / 离线 / 低成本部署

⚠️ 不擅长

• 复杂数学推理
• 长文写作
• 代码工程
• 事实性知识问答
• 专业医疗 / 法律 / 心理咨询结论

我们不建议你把 v1-pro 拿去和 7B / 几十 B 的模型比“智商”。
它本来就不是干这个的。

四、产品定位

SparkDeep-v1-pro 不是“通用大模型”。

它是：

极简主义端侧语言模型

面向：

• 本地 AI 助手
• 客服前置意图识别
• 日志 / 文本格式化
• 角色对话 / 情感陪伴
• AutoMeta 调度引擎的轻量推理单元

这也是为什么我们愿意把它叫做“旗舰”：
不是因为它最大，而是因为它第一次把 SparkDeep 的设计哲学落到了地上——

少一点参数，少一点幻觉，少一点成本，多一点可控。

五、后续路线

v1-pro 之后，SparkDeep 会继续往两个方向走：

1. 更稳：修复读、修格式、修短答断裂
2. 更端侧：int8 / 4-bit 量化、浏览器推理、树莓派部署
3. 更协同：和 AutoMeta 调度引擎深度绑定
4. 更诚实：不再用大模型 benchmark 羞辱自己，建立 SparkDeep 专属评测卡

六、一句话发布词

SparkDeep-v1-pro：64M 参数，不追通用智能，只做端侧能信得过的对话。

七、链接与资源