Orpheus 3B

orpheus-3b-0.1-ft 属于 Orpheus 系列的 3B 规模版本，从名称中的 ft 可看出它是在基础模型上做过微调的权重，由 unsloth 发布并托管开源权重。该系列主要解决小参数量模型在资源受限环境下的可用性问题：3B 规模意味着单卡甚至消费级显卡就有机会承载，适合做原型验证、批量文本处理和私有化部署试验。它只接受文本输入、输出文本，不涉及图像、音频等多模态能力，能力标注与官方定价均未公开，本站也未收录其第三方跑分，因此实际水平需要自行评测确认。许可证为 Apache-2.0，商用与二次分发的限制相对少，这是它相对于部分自定义许可小模型的主要吸引力。收录平台数为 0 家，意味着目前没有主流推理平台提供开箱即用的托管服务，使用路径以自行下载权重、本地部署为主。

选型建议需要宽松许可、能自行部署，且任务难度不高的文本场景可以选它；追求开箱跑分、长上下文或复杂推理则应考虑更大规模模型。

• 在单卡或消费级显卡上部署文本生成服务，验证小模型可行性
• 对客服、评论等短文本做批量分类、清洗与摘要预处理
• 以 Apache-2.0 条款为基础做二次微调并探索商用分发
• 作为教学或内部试验环境中的轻量文本模型基线

公开资料对该模型的具体网络结构披露有限，只能从 3B 规模与纯文本定位做定性判断。

• 结构属于稠密型小参数文本模型，权重以开源形式发布，具体层数、注意力设计与词表规模未见官方说明。
• 能力仅支持文本输入与文本输出，不具备多模态处理能力，适合承接生成、改写、抽取一类的纯语言任务。
• 披露官方未公开训练数据构成、微调数据来源与上下文长度等关键参数，选型前应通过实测补齐这些信息。

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，性能只能给出方向性判断，不宜直接与其他模型排座次。

• 强项3B 体量对显存和算力要求低，配合 Apache-2.0 许可，适合在受限硬件上做快速试验与私有部署。
• 短板小参数模型在复杂推理、长文一致性和知识密度上通常弱于更大规模模型，需按任务难度设预期。
• 适合短文本生成、格式转换、简单分类与批量预处理等容错较高的环节，比通用大模型更易控成本。

官方价格未公开，本站也无可比价格数据，成本讨论只能围绕开源权重与自托管的取舍展开。

• 定位权重免费开放，实际支出集中在算力与工程人力，属于自托管型成本结构而非按 token 计费。
• 横向对比同列表中的 Llama 3.1 8B、Qwen2.5-14B 等均无公开价格，价差无法量化，只能按参数量估算硬件门槛。
• 平台差价收录平台数为 0 家，暂无托管服务报价可对比，自行部署与未来接入 API 的成本差异尚不明确。
• 省钱3B 规模可压低显存占用与推理时延，在批量非高难度任务上用它能减少对大模型调用的依赖。

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

• 口径能力项未标注、第三方跑分缺失，任何关于效果的具体结论都需以自建评测为准。
• 边界仅支持文本，上下文长度与微调数据未披露，长文档与强推理场景建议先做小样本验证再决定。

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。