最近“模型即产品”的呼声很高。

从Deep Research到Claude 3.7再到最近的GPT 4o，“消灭你，与你何干”的戏码，似乎一次次在上演。

然而，在处理日常很具体的问题时， 从模型到痛点，中间还总是差了一公里。

哪怕大模型99%都完成得很好，想找出那1%的错误，可能就要花掉我不亚于从头再来的时间。

从通用强大的模型，到真实琐碎的需求，中间巨大的Gap，就是从Perplexity到Monica、Liblib再到Manus的巨大空间。

体验了那么多产品，“问小白”是最近让我惊喜的玩家。

幻觉问题，谁能兜底？

AI圈产品更新迭代速度很快，新玩家、不太被人熟知的名字，可能在短短几个月就会有颠覆性的体验升级。

说实话，我第一次知道“问小白”的时候，觉得只是一个面向AI小白的工具。

虽然有普适价值，但可能更 适合我爸妈，替代性也较强。

但最近深入体验了最新版本之后，不得不承认，日常让我有粘性的不一定是Deep Research、4o这些说起来fancy的，还真可以是问小白。

比如DeepSeek在AI学术问题上常出现的幻觉问题、数字不准，大致看起来不影响，真的出问题就很致命。

还有GPT等很多大模型的通病，比如意图识别很难一次到位、上下文多轮连续性失真等问题。

问小白在这些问题的基础上，相当于多做了一层过滤和检查。

比如我想写一份关于AI Agent的研究报告：

问小白除了常规的信息检索、整合分析，多做一步的，是对工作流的把握和对信息的二次验证。

比如Agent相关研究报告里，问小白的市场规模预估、复合增长率等数值，非常精确，而且有理有据。经过我的校验比对发现也是准确无误的。

每一个数据，都是真实可考的数据，就让我对结果能更有信心。

并且，问小白还给了我PPT的一页示例，从单纯的文字工作，在主动引导我朝着更丰富、更图文并茂的研报去提供方便。

多想的这一步、两步，往往才是更有含金量的，在控制幻觉的前提下进一步拓展可用性。

相比原版DeepSeek的通用性，问小白就像是更懂我的“贴心版”，离我的需求更近一点，节省的时间就多出很多。

比如分享的小细节，很多朋友用DeepSeek就只能复制粘贴，不利于整合成个人知识库。

问小白就能把DeepSeek最新版本的优质回答，变成链接一键分享，让朋友也能直接看到问答和多轮的过程。

RAG，让信息更精准

越深度使用越发现，问小白可能是最早能够体验到 DeepSeek V3-0324 最佳效果的地方。

问小白DeepSeek V3-0324已经上线，MoE架构，6850亿参数，激活参数约370亿。更顺畅、更没有延迟。

DeepSeek的 R1 和 V3 问小白都是最先接入的，深度、速度都能满足。

但效果有时候还更准确是怎么回事呢？

原来是在DeepSeek V3-0324 基础上，结合了问小白自研的 RAG 增强，这才使得搜索更准，速度更快，答案直出更敏捷。

大模型 + 超强 RAG 能力，完美替代搜索软件，AI 时代，这才是新的搜索入口。

问小白AI搜索，包括日常搜索（即时获取最新信息）、和专业搜索（深度检索更多资料）。

相比日常搜索，专业搜索会拆解更多搜索角度，阅读更多网页，信息网更深更广，可以说非常细节了。

Chinese SimpleQA 评测显示，问小白 DeepSeek R1 以91.60%的F-score 成绩显著领先GPT-4o及国内主流RAG解决方案，成为中文RAG技术标杆，为用户提供更加准确、及时、可靠的AI问答体验。

信息多了好，还是深了好？

很明显的一个特点是，问小白每次会请求 3-5 个搜索引擎响应，日常搜索差不多索引100多个网页，专业搜索最高可达 200+网页。

同时还有包括多模态、多领域的高质量知识库内容，每次搜索有 20-50 个领域知识库加持。

关键读取还很快，答案出得比我看标题的速度还快，实际生产力场景我就是在被推着走。

虽然很多时候多也未必好，但在“全”的场景上，问小白已经有了量变作为差异。

而且一些专业的冷门的问题也可以覆盖。

比如我让对比RAG和Embedding，想要有论文和海外学术的资料支撑：

问小白就像一个眼里更有活的超级助手，看一步、想三步。

除了论文，还有基于论文的延伸分析和更多场景给到我，一键生成ppt这样的技能肯定不在话下。

本身在RAG框架下，问小白做了很细致的系统设计，关键词捕捉、意图分别、映射关系，拆的更准，所以结果更优。

而有惊喜的是，打通了内容后链路更长的下一步。

表面上我是想研究Agent或者RAG，但是不是用PPT或者网页呈现更能满足我的需求呢？

问小白就替我想到了，直接在结尾可以一键转成精美的网页。

模型的竞争逐渐寡头化，但对需求的理解真还有待深挖。

比写文本更进一步的，是把东西做出来。

对于大部分普通用户或者兴趣玩家，而更顺畅的代码辅助工具，不一定是Cursor，可能就是问小白这样更加线性又自然的载体。

还有新的内测功能，“小白研报”，看示例是不亚于Manus等Agent类产品的效果。

比如下面这个雷军与小米的成功方法论拆解：

https://www.wenxiaobai.com/share/deep-research?url=https://wy-static.wenxiaobai.com/deep-research/f16499e6-8131-42ca-aadd-2f527f9633ee.html

基于研报一键生成的网页，也非常简洁漂亮。

我自己在做产品、看论文、写东西的时候，甚至也逐渐习惯了网页化阅读，纯文字可能不够清晰，顺手做个网站出来甚至加一些互动，对我获取信息的效率还能再提高。

元石大模型

到这一步，其实已经觉得问小白是一个不错的AI应用产品了。

但还不够。

随着产品和模型边界的模糊，一端向用户真实场景和需求延伸，另一端的触角，依然需要向模型深挖。

问小白自主研发的"元石大模型"已通过备案，作为国内最早采用MOE架构的厂商，其开源的轻量级大模型 MetaStone-R1-7B在同级别模型中实现了数学、代码两个类别的 SOTA 效果。

MoE（混合专家模型）架构下，最知名的模型产品还得是DeepSeek。问小白可以说在架构设计上与DeepSeek有很多相通的底层逻辑。

这也是“元石大模型 + DeepSeekR1/V3”天然更契合、效果更好的原因。

可以说，问小白 = 最一流的大模型 + 最一流的检索交叉验证能力——因为有了强大的双模型驱动，以及高分的RAG搜索能力，两相叠加提供了更强有力的技术后盾。

技术储备、自研能力、模型探索，这些才是很多优秀表现背后更基石的东西。

不仅如此，问小白研发团队，还已经将很多最新的研究成果开源。

比如开源 MetaStone-L1-7B 模型， 在同级别模型中实现了数学、代码效果的差异化优势，用 7B 的体量“以小博大”，在性能上超过 Claude-3.5-Sonnet-1022、GPT4o-0513，以及 Deepseek R1 的同体积蒸馏模型。

「多模态、搜索、推荐」这三大核心技术栈，能同时具备技术能力的团队极少，而问小白背后的元石科技隐隐有了一些黑马的势头。

虽然问小白的产品流量已经悄悄到达了榜单前列，但团队和公司依然很低调，不会用“饥饿营销”的方式渲染紧张感。

反而这是一款让我觉得轻松和舒服的产品，不会焦虑不会fomo，随着踏踏实实的底层技术一起越来越好，也让生活和工作更轻松、更美好。

何妨试一试呢？

也许就会打开新的天地！