问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
近日，AI技术公司Feyn AI正式推出全新文本转SQL（Text-to-SQL）模型系列SQRL，该系列创新引入数据库预检查机制，在业内公认的难度基准BIRD Dev测试中实现70.6%的执行准确率，一举打破同类产品在复杂业务数据库场景下准确率偏低的行业痛点，有望大幅降低企业数据查询的技术门槛，推动大模型在企业级数据服务领域的落地。
作为业内公认最难的文本转SQL测试基准之一，BIRD Dev收录了来自金融、零售、医疗等10余个行业的真实生产级数据库，要求生成的SQL语句不仅语法正确，还要能返回符合业务逻辑的结果，此前鲜有模型能在该基准上突破70%的执行准确率门槛。
当前绝大多数企业的核心业务数据都存储在结构化关系型数据库中，业务人员要调取数据往往需要依赖掌握SQL编写能力的数据分析师，需求响应周期通常按天计算。此前市面上的文本转SQL模型大多依托通用大语言模型微调而来，仅能适配结构简单、字段语义明确的小型数据库，一旦遇到业务表多、字段命名专业化的生产级数据库，很容易出现表关联错误、字段匹配错误等问题，生成的SQL语句执行失败率超过40%，根本无法达到商用要求。
SQRL系列模型的核心创新在于改变了传统文本转SQL模型的生成逻辑：在接收用户的自然语言查询请求后，模型不会直接生成SQL语句，而是先自动扫描目标数据库的元数据、表结构、样本数据，预先验证字段关联关系和业务逻辑，相当于先完成了一次针对当前数据库的快速“适配调研”，再结合用户需求生成查询语句。
这套逻辑直接解决了传统模型“不理解数据库实际结构”的核心痛点，最终在BIRD Dev基准测试中拿到了70.6%的执行准确率，比此前主流同类模型的成绩高出近12个百分点，首次摸到了生产级商用的及格线。
据了解，目前SQRL系列模型已经开放部分开源权重，开发者可直接将其接入自有数据库进行适配，无需从零开始微调。对零售、金融等数据查询需求高频的行业来说，该模型落地后，普通运营、业务人员无需掌握SQL技能，就能通过自然语言快速获取准确的业务数据，需求响应速度从过去的2-3天缩短到秒级，数据团队的重复劳动量可减少60%以上。
Feyn AI方面透露，后续还将推出支持多租户、复杂跨表查询、权限管控的企业级版本，适配国内主流的云数据库产品，预计2026年第四季度正式开放商用服务。
随着通用大语言模型的能力迭代进入瓶颈期，越来越多的AI厂商开始转向垂直场景的专用模型研发。SQRL系列的技术路线也印证了行业共识：相比一味提升通用大模型的参数规模，针对垂直场景的底层规则做针对性的逻辑优化，往往能用更小的参数规模实现更高的落地价值，未来这类聚焦细分场景的专用模型将成为AI商用落地的主力。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号