互联网
不信任任何未经验证的大模型。首先，中文
互联网环境长期受到严格管控，内容多以文字形式存在，但事实信息却极为稀缺。整个网络生态如同一个连环套，充斥着各种欺诈现象，如
电信诈骗、商业欺骗、民间误导、甚至部分官方信息也存在偏差，再加上文化、历史和新闻领域的扭曲，几乎找不到纯粹的真实信息。除了宇宙通用的物理定律外，其他领域的真实性值得怀疑。如果要开发一个专门针对欺诈行为分析的模型，反而可能更容易实现，毕竟素材就在身边。其次，考虑到数据质量的问题，
中国在未来五年内很难构建出参数量超过50亿的高质量（且专注领域）中文大模型。当然，如果不考虑数据清洗，盲目堆砌参数，做出一个无实际应用价值的超大规模模型并非不可能，但这样的模型意义何在？再次，强化学习与
人类反馈（RLHF）需要巨大的时间、人力和资金投入，至少两年以上才能初见成效。有些
公司声称已开发出175亿参数的模型，但其效果如何？另一家
公司则宣称自己的123亿参数模型接近GPT-4水平，结果？如今还有人记得这些吗？所谓的国产GPT-4到底在哪里？这充分说明了当前存在的问题：很多项目连基本的技术门槛都没摸到，就急于吹嘘自己达到了千亿参数规模，甚至闭源不说，连具体参数数量都语焉不详。与其这样，不如直接宣称超越
OpenAI和Anthropic。综上所述，目前
中国真正能够掌握并稳定运行的自研中文模型规模，大概率不会超过15亿参数。
