3b-de-ft-research_release

3b-de-ft-research_release 是 canopylabs 在 2025 年 4 月 2 日开放权重的文本生成模型，参数量 3B，输入与输出均为纯文本，采用 Apache-2.0 许可证，允许下载、修改与再分发。名称中的 ft 与 research_release 指向微调后的研究性发布，因此在厂商产品序列中的位置更接近实验性基座，而非面向终端用户的成品服务。它要解决的问题很直接：给开发者一个体积可控、许可宽松、可以完全跑在自己机器上的文本模型起点，用于验证微调流程、搭建私有化推理链路，或在垂直语料上继续训练。厂商未公开官方价格与能力标注，本站也未收录该模型的第三方跑分，因此它的实际水平需要使用者用自有数据自行验证。适合把它当成一块可打磨的毛坯，而非拿来即用的通用助手。

选型建议需要宽松许可的小参数文本基座、且具备自托管与自建评测能力时值得一试；需要现成 API、明确跑分或开箱即用效果时不建议选它。

• 在自有领域语料上继续微调，作为垂直任务的轻量文本基座
• 部署到内网或本地设备，处理不便外发的文本清洗与抽取任务
• 搭建私有推理链路，验证 3B 量级模型的延迟与显存占用
• 用于教学与实验环境，对比不同微调策略在小参数模型上的效果
• 承接固定格式的批量改写、摘要与分类等低复杂度文本作业

本站仅确认参数量与模态信息，网络结构、训练数据与上下文长度等细节公开披露有限，以下判断限定在可确认范围内。

• 结构可确认的只有 3B 参数规模与 text-to-text 模态，层数、注意力类型、位置编码与上下文窗口均未在现有资料中给出，结构层面暂无法展开。
• 能力纯文本输入输出意味着不涉及图像、音频或多模态对齐，能力边界集中在文本理解与生成，实际表现取决于微调所用语料。
• 披露厂商未标注所属模型系列与训练数据构成，命名中的 ft 与 research_release 说明这是微调后的研究性发布，细节未经官方口径确认。

开源权重

是

许可证

apache-2.0

参数规模

3B

本站未收录该模型的任何公开跑分与榜单名次，性能判断只能基于参数规模、模态与许可证做定性推断。

• 强项3B 量级便于在单卡或消费级硬件上推理与微调，权重开源且许可宽松，适合对数据不出内网、成本可控有硬性要求的团队。
• 短板缺少可引用的跑分，无法与同量级模型做量化对比，复杂推理、长文本一致性和多轮指令稳定性都缺乏外部验证依据。
• 适合短文本分类、字段抽取、固定格式改写、领域语料微调实验等任务，对极限能力要求不高但对延迟和部署成本敏感。

官方价格未公开，权重以 Apache-2.0 开放，成本结构主要取决于自托管方案而非调用单价。

• 定位没有公开的 API 报价，费用实际落在算力、显存与运维人力上，属于一次性投入重、边际调用成本低的类型。
• 横向对比与同量级开源模型相比，优势在许可证宽松、可商用改造；由于缺少公开跑分，单位效果对应的成本难以量化比较。
• 平台差价本站收录的平台数为 0，暂无托管服务商报价可供比价，若后续上架，第三方推理价格需重新评估。
• 省钱调用量大或数据敏感时自建更划算；调用量小、缺少运维能力时，自行部署的隐性成本可能高于直接选用现成 API。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径本站未收录第三方跑分与官方能力标注，任何效果描述都只能视为定性推断，不能当作评测结论引用。
• 边界模型卡与训练细节披露有限，语言覆盖、上下文长度、商用条款细则需自行核对官方仓库，不能仅凭名称中的 de 判断语种。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。