『我訓了個模型』到底訓了什麼？
飯局上總有人舉着酒杯説「我最近訓了個模型」。這句話的水分可以從零到百分之九十九，這一頁幫你聽出他到底幹了什麼，順便學會三句能讓全桌安靜的追問。
在 AI 圈，訓練指的是改變模型本身的參數，成本從幾十萬到上億。而絕大多數人説的「訓了個模型」，實際是寫了段提示詞，或者掛了個知識庫，那是五分鐘和五千萬的區別。
大模型裏面裝着幾百億到上萬億個參數。參數説白了就是一大堆數字，你可以把它們想像成調音台上密密麻麻的旋鈕——模型的每一分本事，全都存在這些旋鈕擰到了哪個位置上。
訓練就是把這幾百億個旋鈕一個個擰對，而辦法笨得出奇：遮住後半句，讓模型猜下一個詞。比如給它「今天天氣真」，它蒙了個「香」，原文卻是「好」——猜錯了，就把參與這次判斷的旋鈕各自擰回來一丁點。一次只挪極小一格，然後換下一句，再來一遍。這個動作要重複上萬億次。沖刷完，旋鈕的位置裏就沉澱下了「天氣後面更可能跟『好』，不太可能跟『香』」這件事。所謂「學會」，全部內容就是這個。
這件事費電、費卡、費錢，跟供一個孩子讀完二十年書差不多，屬於重資產工程。
而你平時對 AI 説「你是一位資深編輯，幫我潤色」，或者給它上傳一份公司資料，這些操作一個參數都沒動。打個比方：前者是重新培養一個大學生，後者是給現成的大學生遞一張便籤、發一本手冊。便籤很有用，但你不能説自己「培養了一個大學生」。
所以下次聽到「訓了個模型」，第一反應可以是：他動沒動參數？動了多少？下面這把梯子幫你把所有情況分成四層。
從下往上，每爬一層，成本和門檻都指數級上升。點擊每一層，展開看它的耗時、成本和門檻。飯局上九成的「訓了個模型」，都發生在最下面兩層。
改提示詞
掛知識庫（RAG）
微調
從頭預訓練
來玩個小測：下面五句都是社交場合的高頻發言。你來猜猜，每句話説的事很大機會發生在哪一層。點選項揭曉答案。
分不清對方在哪一層？不用猜，直接問。這三個問題分別卡住成本、數據、底座三個要害，答不上來的人自己會往下滑層。
「花了多少算力？」
訓練是真金白銀燒出來的。L3 起步就要租顯卡，L4 要燒掉數千萬到上億。説不出成本量級的「訓練」，多半沒發生過。
「多少條數據？跑了幾輪？」
別問「數據從哪來」——掛知識庫和微調都會答「公司文檔、業務數據」，這一問聽不出差別。要問的是量級：幾百份文檔丟進檢索庫是 L2，幾千上萬條標好的問答對、還得跑上幾輪才是 L3。説得出條數和輪數的，才是真動了參數。
「底座是什麼模型？」
L1 到 L3 都站在別人的底座上，這毫不丟人，但值得説清楚。含糊其辭説「核心技術不便透露」的，可以預設是 L1。
✅ 這一頁想和你分享的
- 訓練 = 改模型參數：寫提示詞、掛知識庫都沒動參數，嚴格説都算「用模型」
- 四層梯子：改提示詞、掛知識庫、微調、從頭預訓練，每上一層，門檻指數級上升
- 聽到「訓了個模型」先問成本和數據：答不上來的，自己會往下滑層
- 改提示詞毫不丟人：九成需求它就夠了，丟人的是站在 L1 説自己在 L4