近期，专注于数据库领域的初创公司 Feyn Labs 正式推出了名为 SQRL 的新一代文本转 SQL（Text-to-SQL）模型家族。这一突破性技术旨在解决自然语言与结构化数据库交互中的核心难题——即如何让大模型准确理解复杂的数据库架构并生成无误的查询语句。SQRL 的最大亮点在于其独特的“先探查后生成”机制，通过在生成最终查询前对数据库进行只读探针检查，极大地提升了查询的准确性和可靠性。
核心创新：主动探查机制降低错误率
传统的 Text-to-SQL 模型往往面临“幻觉”风险，即模型虽然理解了问题，但由于数据库模式（Schema）极其复杂，容易生成逻辑错误或语法错误的 SQL 语句。Feyn AI 的 SQRL 模型引入了一种主动推理机制，在模型真正撰写 SQL 之前，会先对目标数据库进行一系列只读探针检查。这些探针能够帮助模型深入理解表与表之间的关系、列的数据类型以及潜在的约束条件。通过这种方式，SQRL 能够在生成查询前先验证逻辑的可行性，从而避免了盲目生成，显著降低了“乱码”查询的出现概率。
性能表现：大幅领先行业基准
在性能评估方面，Feyn Labs 提供了令人信服的数据。SQRL 的旗舰版本 SQRL-35B-A3B 在备受业界关注的 BIRD Dev 数据集上取得了 70.6% 的执行准确率。这一成绩不仅表现优异，更值得注意的是，它甚至超过了目前业界顶尖的闭源模型——Claude Opus 4.6。这一对比结果标志着开源模型在 Text-to-SQL 这一细分领域已经具备了与顶级闭源模型抗衡甚至超越的能力，为开发者和企业提供了极具竞争力的替代方案。
开源与部署：轻量化与私有化部署
除了强大的性能，SQRL 家族在模型部署的灵活性上也做出了巨大贡献。尽管旗舰模型参数量高达 350 亿（35B），但 Feyn Labs 成功将其蒸馏为参数量仅为 40 亿（4B）和 90 亿（9B）的轻量级检查点。这意味着用户可以在消费级显卡甚至本地服务器上运行这些模型，无需依赖昂贵的算力集群。对于注重数据隐私的企业用户而言，这一特性尤为重要，他们可以在完全离线、数据不出域的环境下使用 SQRL 进行内部数据分析，无需担心敏感数据上传至云端 API 所带来的泄露风险。
行业应用前景：释放数据生产力
Text-to-SQL 技术的成熟将极大地改变数据分析的工作流。对于数据分析师而言，SQRL 可以作为一个强大的辅助工具，自动将自然语言需求转化为复杂的 SQL 查询，大幅减少编写代码的时间。对于非技术背景的业务人员，这意味着他们可以用日常语言直接向数据库提问，获取所需的业务洞察，而无需掌握复杂的 SQL 语法。随着 SQRL 开源版本的发布，预计将加速这一技术在商业智能（BI）、金融风控、电商分析等领域的落地应用，成为连接自然语言与数据资产的关键桥梁。
信息来源：MarkTechPost
原文链接：https://www.marktechpost.com/2026/07/19/feyn-ai-releases-sqrl-a-text-to-sql-model-family-that-inspects-the-database-before-writing-a-query/
信息来源：MarkTechPost，原文链接：https://www.marktechpost.com/2026/07/19/feyn-ai-releases-sqrl-a-text-to-sql-model-family-that-inspects-the-database-before-writing-a-query/
