当然是有效的。
Scaling Laws的有效性主要体现在数据上，别问模型行不行，问就是你数据不够。
这里的逻辑关系很简单，而数据永远是不够的，这就是为什么Scaling Laws会永远不会失效。
Qwen3 Max和其他模型的不同之处在于，它的参数更大，估计在1.2T左右（235B的5倍），这可以让它去打任何榜单，而不是仅局限于少数的榜单，这是通用性的体现。
参数大，
/则可"存储"的tokens的排列组合就更多，表现为通用任务覆盖性更强，对写作这种你不知道用户想写啥的任务支援性更好。
/ 留存更多长尾知识，减少更多知识性幻觉
/ 同时模型可以接触到更深层的token，选择更细腻更精确的表达方式，对于模型来说，表达和思考是一体的，这可以提升模型融会贯通，触类旁通的泛化能力。你会觉得Qwen 3 Max，Gemini 2.5 Pro这种模型非常懂得一种"潜在的语言环境"，在这种语境里，大模型能更好的识别出言外之意，它们非常懂在当前语境下，下一个token出什么是最贴切的。这种感觉是绵密丝滑，合情合理的。
大模型+短推理，小模型+长推理是两种不同风格的玩法，两者都应该有，这不是替代关系，而是互补关系。GPT-5推理一万年也达不到GPT-4.5的表达能力，GPT-4.5参数再扩大1万倍，也做不好需要"打草稿"的Reasoning任务。
大模型非常适合Chatbot，承办用户各种花里胡哨，花样百出的通用任务，你把Chatbot的上下文卡死在32K，也亏不到哪里去，在Chatbot里只给小模型简直是一种犯罪。大模型的缺点就是面对高强度Reason，Coding，Agent这样的任务时，随着上下文长度的拉长，成本会陡增。所以GPT-4.5，Grok 4这样的大模型，很难放开了干GPT-5玩起来游刃有余的任务。