四大模型概念完整区分：基座、微调、本地开源（Llama/Qwen）、公有 API（通义 / 文心 / DeepSeek）
目录一、核心定义总划分维度二、逐个详细拆解1. 基座模型Base Model1.1 本质1.2 典型特征1.3 例子1.4 用途2. 微调模型Fine-tuned Model2.1 本质2.2 典型特征2.3 例子2.4 用途3. 私有本地开源模型Llama / Qwen / Mistral 等开源权重3.1 核心判定标准缺一不可3.2 关键区分点3.3 代表系列3.4 优缺点3.5 适用场景4. 公有 API 模型通义千问 API、文心一言 API、DeepSeek 公有 API4.1 核心判定标准4.2 典型特征4.3 代表产品4.4 优缺点4.5 适用场景三、关键交叉关系极易混淆的点四、四维对比总表五、落地选型快速判断先给核心总览再分层拆解定义、特征、优缺点、使用场景、实例对比最后一张对照表理清边界。一、核心定义总划分维度基座模型Base Model未经专项调教、仅靠海量通用文本预训练完成的原始大模型权重是所有衍生模型的 “原材料”。微调模型Fine-tuned Model以基座为底用定向数据集二次训练后的专用模型分 SFT 监督微调、RLHF 人类对齐微调。私有本地开源模型Llama/Qwen 系列权重开源可下载、允许本地部署、私有化运行的模型基座 / 微调版都属于这类核心特征是本地离线、数据不出内网。公有 API 模型通义 / 文心 / DeepSeek 公有版厂商托管云端、用户仅通过网络接口调用、无法获取完整模型权重、算力与推理在厂商服务器的商用服务模型。二、逐个详细拆解1. 基座模型Base Model1.1 本质只完成预训练Pre-training训练目标只有一个预测下一个字符。 训练数据全网通用书籍、网页、论文无人工标注对话、无人类偏好对齐。 没有经过对话、指令、价值观、安全对齐训练。1.2 典型特征不会自然对话直接丢指令容易乱答、续写长篇无关文本不懂人类问答逻辑只会顺着文本续写输出无安全护栏容易生成违规、偏激内容权重完整可作为底座二次微调所有开源模型Llama 2 Base、Qwen Base、闭源厂商原始底座都存在基座版本。1.3 例子开源基座Llama 3 70B Base、Qwen2 7B Base、Mistral Base闭源基座阿里通义原始预训练底座、文心 ERNIE 预训练基座不对外放出1.4 用途企业 / 开发者二次微调的原材料做领域预训练、继续预训练学术研究。2. 微调模型Fine-tuned Model2.1 本质基座 二次定向训练分为两层微调SFT 监督微调人工标注问答、指令数据集教会模型听懂人类指令RLHF/DPO 人类偏好微调基于人类打分对齐价值观、优化对话流畅度、增加安全限制。微调不是独立模型类别是模型加工手段 任何基座经过微调都变成微调模型分两类载体开源微调版Llama 3 Instruct、Qwen2 Instruct可本地部署云端微调版通义千问、文心一言、DeepSeek-V2 API厂商云端微调完成2.2 典型特征具备对话能力能听懂提问、写文案、代码、逻辑推理内置安全规则规避违规内容分为通用对话微调、行业专用微调法律微调、医疗微调、代码微调依赖基座存在不存在无基座的微调模型。2.3 例子开源微调Qwen2-14B-Instruct、Llama 3 8B Instruct云端微调 API文心一言 4.0、通义千问 2.5、DeepSeek Chat API2.4 用途直接对外提供对话服务、企业私有化业务、AI 工具底层能力。3. 私有本地开源模型Llama / Qwen / Mistral 等开源权重3.1 核心判定标准缺一不可厂商公开完整模型权重文件允许用户下载到本地服务器 / 显卡离线运行推理、数据全部在自有硬件数据不会流出本地内网私有包含两种形态开源基座、开源微调 Instruct 版。3.2 关键区分点和公有 API 最大区别拥有模型权重自主掌控算力与数据分为商用开源 / 非商用开源Llama 系列需要申请 Meta 许可Qwen 通义千问开源系列完全免费商用运行门槛需要 NVIDIA 显卡显存随参数增大提升7B 最低 16G 显存70B 需要 80G可自由二次微调拿到权重后用自己行业数据再训练专属模型。3.3 代表系列Llama 系列Llama 2、Llama 3 Base/InstructQwen 通义千问开源系列Qwen1.5、Qwen2 Base/Instruct其他Mistral、GLM、Yi、InternLM3.4 优缺点✅ 优势数据完全私有化、无调用次数费用、可内网离线、可自定义微调、无接口限流 ❌ 劣势需要采购显卡服务器、部署运维成本高、大参数量推理速度慢、硬件维护成本高。3.5 适用场景金融、政务、医疗等敏感数据行业企业长期大批量 AI 需求需要定制行业专属模型无外网内网办公环境。4. 公有 API 模型通义千问 API、文心一言 API、DeepSeek 公有 API4.1 核心判定标准模型权重完全由厂商持有用户无法下载、本地无法部署推理算力全部运行在厂商云端服务器用户仅通过 HTTP 接口、SDK 网络调用使用全部是厂商完成微调后的对话模型不对外提供基座原始权重。4.2 典型特征开箱即用无需显卡、部署、运维按量计费token 计费、包次 / 包月套餐存在调用限流、并发限制用户输入的提示词、业务数据会上传厂商云端厂商承诺隐私合规但数据出本地厂商持续迭代优化自动升级模型能力无需用户操作安全、审核、功能由厂商统一管控无法自定义底层模型逻辑。4.3 代表产品阿里通义千问 API、通义 Code百度文心一言 ERNIE Bot APIDeepSeekDeepSeek Chat API、DeepSeek Code API其他GPT 系列、智谱清言 API、讯飞星火 API4.4 优缺点✅ 优势零硬件成本、开箱即用、大参数量高性能、自动更新、运维全交给厂商 ❌ 劣势数据上传第三方云端、高频调用成本高、有接口并发限制、无法深度自定义模型、网络依赖无法离线使用。4.5 适用场景初创企业小流量 AI 需求、临时 AI 工具开发、个人开发者、对外公开 C 端产品、无硬件预算、数据不敏感业务。三、关键交叉关系极易混淆的点基座 ≠ 本地开源基座是模型训练阶段概念本地开源是分发部署形态。 可以有闭源基座文心原始底座不开放也可以有开源基座Qwen2 Base。微调模型 同时存在两种部署形态开源微调Qwen-Instruct本地私有化部署云端微调 API通义千问公有接口厂商云端部署Llama/Qwen 只是开源权重载体包含基座 微调两类下载 Qwen2-7B Base 本地开源基座 下载 Qwen2-7B-Instruct 本地开源微调模型公有 API 不存在基座版本各大厂商开放的 API 全部是微调对齐后的对话模型不会把未对齐的原始基座对外提供调用。四、四维对比总表对比维度基座模型 Base微调模型 Fine-tuned本地开源模型 (Llama/Qwen)公有 API 模型 (通义 / 文心 / DeepSeek)核心定位原始预训练原材料可直接对话的成品模型可本地离线运行的权重包云端远程调用服务接口是否有权重有有开源/ 无API完整权重可本地下载无权重仅接口访问能否离线使用开源基座可以本地离线开源微调版可离线完全离线、内网可用必须联网断网无法使用数据存储位置本地硬件开源本地硬件开源全部在自有服务器不出内网数据上传厂商云端服务器部署成本需显卡服务器需显卡服务器显卡、运维、电力成本高零硬件成本仅按量付费自定义能力极高可从零微调高可二次微调优化极高自由微调、改推理参数极低仅能调整提示词底层不可改对话能力极差不会问答优秀支持指令对话优秀Instruct 版优秀厂商持续优化安全护栏几乎无安全限制内置对齐安全规则基础安全可自行修改严格统一厂商安全审核典型代表Llama3 Base、Qwen2 BaseQwen2-Instruct、Llama3-InstructLlama 全系列、Qwen 全系列文心 API、通义 API、DeepSeek 公有 API五、落地选型快速判断数据敏感金融 / 政务、长期高频使用、内网离线 →本地开源微调模型Qwen/Llama Instruct自有行业数据集需要训练专属 AI 能力 → 本地下载开源基座自行微调小流量业务、快速开发、无显卡服务器、数据无保密要求 →公有 API 模型学术研究、模型二次开发、对比预训练效果 →开源基座模型直接做面向用户的对话产品不想运维硬件 →公有 API
