Block发布对话模型Dessa,仅用人类对话从零训练

Block发布对话模型Dessa,仅用人类对话从零训练

10月23日,Jack Dorsey旗下的Block公布了一款名为Dessa的对话模型,其训练语料完全来自人类对话,不含任何网页抓取文本,官方同时放出了数段人机聊天记录作为演示。这是Block首次把自研基础模型摆到对外叙事的主角位置,意味着这家以Square收单和Cash App转账为主业的金融科技公司,正试图在最贴近其业务的“对话”接口上自建底层能力。本文的核心结论是:Dessa的价值不在榜单分数,而在于它把“语料来源即产品定位”这条路线做成了可展示的样板。

Block于10月23日(美国时间)正式对外公布Dessa,定位是“从零开始、只用人类对话训练”的对话模型。Dessa负责人Ragavan Thurairatnam在社交平台贴出一段人机对话作为样例,内容是一次刻意平淡的日常闲聊:模型会追问,会给出略显生硬的回应,语气接近一个刚认识、还没找到共同话题的新朋友。Block同步放出的其他几段对话呈现同样的特征——语法与局部逻辑基本成立,但节奏感、幽默感和察言观色的能力明显弱于主流商用助手。官方没有公布参数量、训练token数、上下文窗口和推理成本,也没有说明是否开源、是否接入Cash App或Square的商家工具,更没有给出任何基准测试分数。可确认的信息只有三点:训练语料不含网页抓取文本;模型是自研自训,并非微调开源底座;发布方式是“先给对话样本,再谈技术细节”。这个顺序本身值得记录——多数公司会先公布榜单成绩,Block选择先让人感受“语气”。

过去两年,大模型的竞争焦点从“参数更大”转向“数据从哪来”。多家出版商对模型厂商提起的版权诉讼,让网页抓取语料的合法成本持续上升;与此同时,公开互联网上的高质量文本正接近被用尽。在这样的前提下,“只用某一类数据从零训练”从技术洁癖变成了商业策略:语料可授权、可审计、来源清晰。Block的位置也解释了它为何盯上对话——这家公司的主营业务是Square商家收单、Cash App个人转账和Afterpay先买后付,全部是高频、短句、强语境的沟通场景,客服与商户助手的对话质量可以直接换算成成本与留存。Dorsey长期偏好“少而专”的工程路线,Block此前开源比特币挖矿芯片、硬件钱包Bitkey,都是先把底层做出来再谈生态。Dessa延续了同一套逻辑:不自建通用能力,而是从最贴近自身业务的模态切入。另一层推力来自成本——只用对话训练的模型规模可以小得多,推理更便宜,也更容易塞进商家终端。

刘工判断:Dessa在2027年上半年之前不会成为一款通用产品,它更像Block为自己业务定制的一块“语气零件”,衡量它的指标不该是榜单分数,而是商户客服的首次解决率。
从技术层面看,“只用人类对话训练”是一把双刃剑。对话语料天然带有停顿、追问、附和、话题转移这些结构,模型因此更容易学到“回合感”,这正是公开展示里那种“像一个刚认识的新朋友”的来源。但对话语料几乎不含事实性知识,模型要回答“这笔退款几天到账”,仍然需要外挂知识库或检索工具。换句话说,Dessa强的是交互形态,弱的是知识密度:把它当聊天机器人用会失望,把它当对话外壳用才有意义。Block至今不公布参数量与上下文窗口,也与“只在窄场景里把话说对”的定位吻合。
在商业维度上,Block的盘算更清楚。Square体系每天产生海量商家与消费者的真实沟通,这些数据授权链条干净、场景闭环,是任何通用模型厂商买不到的资产。用自有语料训一个自有小模型,规模化之后推理成本可以压到调用第三方API的零头,还能避免把商户对话交给外部供应商——这一条在金融合规上是硬约束,往往比几个百分点的效果提升更能决定采购。
对行业而言,“语料来源即产品定位”会被反复借用。刘工在工业质检这类场景看到的规律是:通用视觉模型在标准件上分数很高,一换到反光金属件就掉十几个点,最后赢的往往是只用某一条产线缺陷图训出来的小模型。对话模型很可能重演这条路径——未来12个月内,会出现一批“只用客服录音”“只用医嘱对话”“只用庭审记录”训练的垂直模型,卖点不是聪明,而是来源可审计。届时模型卡上的第一行不再是参数,而是数据授权说明书。

  • 网页抓取文本占比:Dessa为0%,而主流开源对话模型的预训练语料中,Common Crawl一类网页数据通常占60%–80%。
  • 参数与token披露:Block对Dessa的参数量、训练token数、上下文窗口全部留白;同期发布的开源对话模型普遍会标注7B–70B的参数区间。
  • 基准测试:官方公布0项分数,只放出数段对话样本;主流厂商的模型卡通常附带十余项基准结果。
  • 落地触点:Square生态的商家规模以百万计,Cash App月活长期维持在5000万以上,为Dessa同时提供了部署场景与语料来源。

对行业而言,短期(3个月内)Dessa最可能引发的动作是模仿:一批中小团队会尝试用单一来源语料训练小模型,并把“数据来源可审计”写进对外说法。中期(1年)看,如果Block把Dessa接入Square商家后台并公开客服场景的效率数据,语料主权就会从合规话题变成采购指标,企业选型时会开始追问“这个模型的训练数据授权链条是否干净”。
对普通用户而言,短期可感知的变化很小——Dessa目前没有面向消费者的入口,Cash App用户不会突然多出一个新助手。中期如果落地到商家客服,用户会遇到语气更平、话术感更弱的应答,但事实准确度取决于外挂的知识库,不能指望它凭对话语料变准。真正的分水岭在于:当模型答错时,Block是否愿意把“这句话来自哪段对话”展示出来。

值得继续思考的问题:

  • 只用对话语料训练,会让模型在“回合感”上接近人类,却在事实密度上先天不足,这条取舍线划在哪里
  • Block把商户沟通数据变成自有模型资产,金融合规与推理成本的双重账本如何算
  • “语料来源即产品定位”是否会催生一批只用客服录音、医嘱对话训练的垂直模型

延伸阅读:2026 主流 AI 大模型对比——不追热点也能长期有用的选型指南,收藏备用。

本条动态来自 The Verge AI(发布于 2026-10-23 19:32:39)。本站为海外 AI 动态的中文转述与观点评论,原文版权归原作者所有。


每日聚合海外 AI 一手动态与深度观点。收藏本站,不错过每一个重要信号;返回首页查看更多。

转载声明:欢迎转载,请保留原文链接并注明出处「文峰雷达」。 · 商务与品牌合作:查看媒体与商务页
每日快讯 + 周日周评 · 可随时回复邮件退订 · 邮箱仅用于订阅通知,不会对外分享

留下评论

您的邮箱地址不会被公开。 必填项已用 * 标注

中文EN
联系刘工 · 媒体与商务 · 隐私政策 · 免责声明 · AI 声明 · 刘工周评
邮箱:wenfengleida@wenfengleida.cn