先说个我被嘲笑很久的事：以为 70B 就是 70 块钱的模型
别笑，真的。
刚开始了解 AI 的时候，看到 ”70B 参数模型 ”，我心想这啥卖 70 块钱？后来才知道，B 是 billion 的意思，70B 就是 700 亿参数。
今天就把大模型参数这件事讲明白，让你以后也能装个内行。
参数到底是什么？
大模型里的 ” 参数 ”，你可以理解为 AI 的 ” 脑细胞 ”。
参数越多，模型越 ” 聪明 ”，能力越强。
但这个 ” 脑细胞 ” 不是真正的细胞，是数学里的变量。模型通过调整这些参数，来学习怎么回答问题。
类比理解
人的大脑有大约 860 亿个神经元。AI 模型的参数，就像大脑神经元的数量。参数越多，” 大脑 ” 越发达。
7B、13B、70B 到底差在哪？
现在市面上的模型，参数规模大概分几档：
7B（70 亿参数）
入门级别。大概相当于 GPT-3.5 的水平。
优势：普通显卡能跑，8G 显存够了。
劣势：复杂问题容易答错，逻辑能力有限。
适合：日常对话、简单写作、练手学习。
13B（130 亿参数）
中等级别。比 7B 强不少，能处理更复杂的问题。
优势：能力提升明显，性价比高。
劣势：需要好点的显卡，16G 显存起步。
适合：有追求的用户，想本地跑模型的推荐这个。
70B（700 亿参数）
旗舰级别。能力接近 GPT-4，但还没完全达到。
优势：逻辑能力强，理解力好，回答质量高。
劣势：需要顶级显卡，24G 显存勉强跑，4090 比较流畅。
适合：专业用户，不差钱的。
参数越大越好吗？
答案是：看场景。
日常使用
7B-13B 就够了。ChatGPT 的免费版大概就是这个水平，够用。
专业场景
13B-70B，处理复杂任务更强。
不是线性关系
70B 不一定比 13B 强 10 倍。可能只强 2 - 3 倍，但成本高了 10 倍。所以性价比很重要。
除了参数，还有什么影响模型能力？
参数只是衡量模型能力的指标之一，还有几个关键因素：
训练数据质量
同样参数量的模型，训练数据更好，能力更强。
微调水平
基础模型加上针对性微调，效果可能比大参数模型更好。
推理优化
同样的参数，经过优化的模型，跑得更快，效果更好。
常见问题
Q：是不是参数越大越聪明？
A：大致是对的，但不是绝对。有些小模型经过精心微调，效果可能超过大参数基础模型。
Q：量化模型是什么意思？
A：量化就是压缩模型大小。用更少的 ” 脑细胞 ” 干活，虽然能力下降一点，但能用更差的显卡跑。
Q：个人用户应该选哪个？
A：普通用户用在线服务就行。想本地跑的，13B 是性价比之选。
总结
参数就是 AI 模型的 ” 脑细胞 ” 数量，7B 就是 70 亿参数。
参数越大越强，但成本也越高。日常用选 7B-13B 就够了，专业场景再考虑更大的。
记住：够用就行，别盲目追大参数。
