但我还是想说：建议个人和小团队不要碰大模型训练！

这个暴论需要叠加很多buff，但我想说的确实就是这个标题。也算是和大家对齐一下认知。 这个暴论自然引申出一个问题： 不训练大模型怎么办？ 为什么不要微调？因为没有模型的原始数据配比，更有可能原始的训练数据都没有，微调之后极有可能损失掉大 部分的性能。 那如果开源模型在特定领域的效果非常差，怎么办？ 如果是很垂类的领域模型，可以先试试RAG，不行就试试In-context Learning，在上下文中，教LLM一些领域知 识。能尝试的低成本方案都尝试后，再考虑垂类领域模型的微调训练！ 一些实际使用过程中的经验，将最需要脑子的任务交给o1系列模型，比较需要脑子的任务，交给4o这一梯队的 模型。 除了付费的模型，还可以考虑国产的大模型，点名表扬DeepSeek、豆包、Qwen等等开源大模型。 这其实就是Agentic AI的思路。 如果你的业务在上面的方案中都跑不通，那么自己训练模型大概率也是白瞎。大模型时代，基础模型能力的每一 次提升，都算是一次地球Online的版本更新。 距离大厂基座模型团队之外的AI人，需要先了解现有LLM的性能边界，敏锐的分辨出现有模型能力和过去方案 的差异，能否给当前的业务带来新的变化， ...