开源模型是不是都已经训练好了：权重、基座与要不要再训练

很多人第一次下开源模型，会以为它跟买软件一样，装上就能用。结果发现效果一般、格式不听话、公司术语也不认识，就开始怀疑是不是自己没训练过。这篇把「权重」「基座」「再训练」三件事拆开讲：你拿到手的是什么、开箱状态能干什么、什么情况下值得再投入训练，以及怎么先花小钱验证再决定。

第一次下开源模型的人，常常会以为它跟装软件一样，跑起来就该好用，结果一试发现效果平平、回答格式不听话、公司内部术语也完全不懂，于是第一反应就是「是不是我没训练过」。这个判断方向其实偏了。你下载到的是一份训练完留下来的参数文件，它把通用语料学完了，但这跟「懂你的业务」是两码事。把权重、基座、再训练这三件事分开看，很多纠结自然就散了。

这篇不劝你训也不劝你别训，只给你一套判断顺序：先弄清手上是什么、开箱能干什么、什么情况下才值得自己动手，以及怎么先用很小的成本验一遍再决定。数字类的信息（各家权重体积、显存占用、调用价差）不用记，到站内页面看当时的值就行。

你下载到的到底是什么：权重不是一份软件

权重是训练结束后固化下来的那一堆参数文件，它自己不会跑。要让它出结果，你还得配一个推理框架，再搭一个调用入口（脚本、服务或者图形界面都行）。所以「能不能用」取决于三件事：文件对不对、框架装没装对、输入喂得对不对。任何一环出问题，看起来都像「模型不行」。

• 权重只是参数，不是可执行程序，缺推理框架就什么也跑不出来
• 「已经训练好」指的是通用语料学完了，不等于它认识你的行业词、你的字段名、你公司的缩写
• 同一份权重换不同框架、换不同量化档位，输出风格和稳定性会有肉眼可见的差别
• 先固定一套环境再去评判效果，否则你在比较的其实是环境差异，不是模型差异

基座和指令版：名字差不多，用途差很远

下载页上经常并排放着两个名字很接近的文件，用途却完全相反。基座本质是续写机器，你给一段话它顺着往下写，把它当聊天助手用会觉得它答非所问、还老自己编下文。指令版是在基座上又做过一轮对齐的版本，它会听人话、会按你要的格式回，日常任务应该先选这一类。

认版本别只看名字，看说明里的用途描述。拿不准就把两个都下下来，用同一批问题各跑一遍，差别会非常直接。站内模型库对这两个字段有对照说明，去 模型库（/models） 核对当时的条目更省事。

什么时候真的需要再训练：三条判断线

多数人问「要不要再训练」，其实答案藏在失败类型里。如果模型是「不知道某件事」，和「知道但说话方式不对」，处理方式完全不同。下面三条线，命中任意一条才值得认真考虑训练投入。

1. 任务能不能靠提示词讲清楚能讲清楚的，先加结构和示例，不要训。讲不清楚、但你有大量成对样本（输入对应正确输出）的，才进入微调候选。
2. 要的是知识还是风格要它「知道你的私有资料」，走检索增强，把资料喂进上下文就行，权重不用动。要它「固定输出风格、固定格式」，检索帮不上，才轮到训练。
3. 算不算得过账只有当你需要稳定格式、需要压到小模型跑在自有卡上、或者调用量大到接口费用成为负担时，训练才可能回本。单次实验、低频使用，基本不划算。

反过来说，什么情况下别训：样本只有几十条、错例还在不断变、任务目标一周改三次。这时候训出来的东西很快过期，你还得重做一遍数据。先把任务定义稳定下来，是训练前最容易被跳过、也最贵的一步。

动手之前：按这个顺序做一轮小验证

别一上来就开训练脚本。先按下面顺序走一遍，通常前两步就能帮你砍掉大部分「其实不用训」的念头，剩下的才值得花钱花时间。

• 拿现成指令版跑几十条真实任务，逐条记录失败类型：是格式对不上，还是压根不会
• 给提示词加上输出结构、字段说明和两三个示例，看能救回多少条
• 把救不动的例子归成一类，判断错误是「缺知识」还是「缺风格」，两者处理方式不同
• 估算训练成本和后续推理成本，与直接调用接口的账并排摆在一起看
• 真要做小样本微调，先只做一轮，用同一批用例前后对比，别凭感觉说变好了

对比时只改一个变量：同一批用例、同一套评判口径，只换模型或只换提示词。任何涉及价钱、速度、显存的横向对比，去 价格追踪（/price-watch） 和 速度测试（/tools/speed-test） 看当时的数字，别用记忆里的旧值下结论。

先用提示词榨干现成模型，再谈训练；否则你训练的不是模型，是自己的耐心。