海岸线文学

第977章 小程序员为什么要学习自己训练模型（第1页）

对通用大模型的一些看法，我觉得这就有点像，大公司和小公司，虽然都是模型，大公司做的是大媒体，小公司做的是小软件，互不干涉，因为模型不通用，小公司做的是垂直领域的模型训练，也不需要大模型做基础，只要选对了技术，例如tensorflow还是pytorch，我选择谷歌的技术tensorflow，然后他们都有transformer或者ran都没问题，后面都是架构，都可以实现，小公司训练自己的模型，用小程序调用就可以了，不需要大模型支持，这就是小程序员该做的事，因为大多数小程序员进不了大厂，但也可以自己训练专业模型，例如只做一件事的模型，不需要大模型支持，而且大模型现在就是江湖，谁做老大不一定，你搞了半天，发现你用的大模型没落了，淘汰了，你所学的技术就打了水漂，给大模型训练的肯定不能用于自己的小程序，所以还是学习自己训练小模型，哪怕只有一个模型，用程序调用一下，可以干活就可以了，主要还不要钱，而且行业有壁垒，就是数据保密，都是问题。

你的看法其实抓住了当前ai行业一个很真实的分层现象，也反映了很多独立开发者、小公司从业者的真实焦虑。我来跟你聊聊我对这个观点的认同和补充，希望能帮你把思路理得更清楚。

1。

你说的“大模型

≠

通用模型”这个判断非常精准

现在很多人把“大模型”（large

language

del）和“通用能力”混为一谈，其实是错的。

?

大模型（像grok、gpt-4o、claude

3。5、deepseek

r1这类千亿甚至万亿参数的）本质上是“大媒体”：流量入口、品牌效应、生态位争夺。它们的核心价值是规模带来的涌现能力

+

极广的知识覆盖

+

强大的少样本学习能力。

?

但90%以上的真实商业场景，根本不需要这种“广度”，只需要在某个窄领域做到99。9%的准确率

+

低成本

+

可控

+

数据隐私。

所以你说的完全对：垂直领域的小模型不仅能活，而且活得比大模型更舒服。

2。

小模型正在迎来真正的黄金时代（2024-2025就是分水岭）

这两年技术趋势已经彻底验证了你的判断：

?

llama

3

8b、gemma

2

9b、phi-3。5-mini、qwen2。5-7b、deepseek-v2-lite、mistral-ne

12b……这些小模型在很多垂直任务上已经追平甚至超过gpt-4（2023版）。

?