垂类模型是什么意思

你可能遇到这种情况：老板说业务要上 AI，同事张口就来「得用垂类模型」，但你打开模型库一看，全是通用对话模型，不知道该挑哪个。这篇不堆概念，先讲清垂类模型和通用模型到底差在哪，再给一套能照着走的选型判断和核查顺序，最后说明什么情况下其实不用上垂类模型。

你可能遇到这种情况：老板说业务要上 AI，同事张口就来「得用垂类模型」，但你打开模型库一看，全是通用对话模型，不知道该挑哪个。这篇不堆概念，先讲清垂类模型和通用模型到底差在哪，再给一套能照着走的选型判断和核查顺序，最后说明什么情况下其实不用上垂类模型。

先给一句能被记住的定义：垂类模型是把训练数据、微调方向或检索范围收窄到某个行业、某类任务上的模型。它的强项在「窄」，不在「全」。下面按「它是什么、什么时候值得上、选型核哪几项、成本和退路怎么留」四步走，每一步都给你能落地的判断动作。

垂类模型到底指什么

判断一个模型是不是垂类，别看宣传语，看它被收窄在哪一层。有的收窄在权重上，用行业语料继续训练过；有的只是外挂了行业知识库，让检索结果更贴业务；还有的只是换了一段系统提示词，把回答口径约束住。这三种都能叫「垂类效果」，但换一批数据后能不能延续，差别非常大。

覆盖面窄

只在一个行业或一类任务上表现好，换个领域就容易掉链子

术语和格式更贴业务

能直接吐出业务要的字段名和结构，不用你再做一层清洗

回答口径更稳定

同一类问题多次问，答案风格和判断标准不容易飘

不一定是自研

基于开源权重微调、加检索、改提示词约束，都能做出垂类效果

市面上叫「XX 行业大模型」的产品，口径差异很大：有的是真做了领域训练，有的只是套了个行业名字的外壳。别按名字判断，按后面选型清单逐项核对。想先看看各家的模型资料怎么归档的，可以到 模型资料库（/models） 里对照着看它们的说明口径。

什么场景值得上垂类

先给一个判断顺序：先看任务重复度，再看错一次的代价，最后才看模型能力上限。任务每天重复几百次、格式固定、答错要返工的，值得考虑垂类；需求还在天天变、问答范围跨好几个部门的，通用模型加提示词更划算。

1. 先做小样本试跑拿几十条真实数据跑通用模型，把答错的挑出来，看错在术语、格式还是判断口径上；这一步不用花钱定制。
2. 再定验收线和业务方约定一个通过标准，比如字段抽取准确率到多少才算能用，写进文档，别用「感觉还行」验收。
3. 最后才问要不要垂类如果通用模型加检索已经能过验收线，就停在这里；过不了再看垂类方案能不能补上缺口。

选型时要核对的几项

垂类不是越贵越好，是越贴你的任务越好。核对时按下面的顺序问，问完基本能筛掉一半不合适的选项。价格和限速这类会变的数字，不要凭印象，到 价格追踪（/price-watch） 页面核对当时的数字。

• 问它是怎么变成垂类的：纯微调、加检索、还是只换了系统提示词，这决定你换数据后效果能不能延续
• 看输出格式：能不能稳定给结构化字段，比偶尔答得漂亮更重要
• 看接入方式与限速：能不能走标准接口、并发够不够，直接决定能不能接进现有系统
• 看数据边界与合规要求：涉及客户资料、医疗、金融的，先确认数据能不能出去、要不要私有部署
• 用你自己的数据跑样例测试，把结果留档，别只信宣传页的描述

如果是通过第三方中转来调用，还要多核一层：这个中转站本身靠不靠谱、会不会在高峰期掉线。可以先去 中转站导航（/sites） 看目录，再用 测速工具（/tools/speed-test） 跑一轮，把延迟和失败率记下来，作为选型的参考数据。

成本和退路怎么留

垂类模型往往比通用模型贵，贵在定制和数据，不只贵在调用价。算总账时要把标注、维护、重新训练的成本一起算进去，只看单次调用的数字会低估。具体单价到 价格追踪（/price-watch） 核对当时的数字，别用别人截图里的旧价。

什么时候该退：当通用模型加检索已经能过验收线，就别为了名词好听硬上垂类。掉下去的第一个信号通常是格式错误率上升，这时先怀疑数据分布变了，而不是先怪模型变笨。

垂类模型的强项在窄，选型的功夫也全在「窄得对不对」这四个字上。