如何合法蒸餾開源模型

Anthropic/DeepSeek 爭議展示了當蒸餾出錯時會發生什麼：24,000 個帳戶被封禁、國際頭條新聞和潛在的法律行動。但這個技術本身是合理的——問題在於來源，而不是方法。

本指南從頭到尾說明合法的模型蒸餾。具有寬鬆授權的開源教師模型。您自己的領域資料。從訓練到部署的清晰路徑，具有完整的模型所有權和零法律風險。

如果您一直在關注蒸餾辯論並在想「一定有正確的做法」——確實有。以下是如何做到。

合法與非法蒸餾：明確的界線

這個區別比標題所暗示的更簡單。

合法蒸餾： 使用具有寬鬆授權的開源模型作為教師。授權賦予您創建衍生作品的權利，包括在教師輸出上訓練更小的模型。您在行使模型創建者明確授予您的權利。

非法蒸餾（或違反服務條款）： 使用封閉 API 模型（GPT-4、Claude、Gemini）作為教師，違反其服務條款。法律形勢仍在演變，但合約禁止是明確的。

測試方法： 在使用任何模型作為教師之前，閱讀其授權。如果它允許衍生作品和商業使用，您就是清白的。如果它禁止使用輸出進行競爭性模型訓練，則不要使用。

步驟 1：選擇您的開源教師模型

您的教師模型決定了學生模型的品質上限。謹慎選擇。

授權比較

模型	授權	是否允許蒸餾	商業使用	是否需要署名
Llama 3（8B-405B）	Meta Community	是	是（月活躍使用者低於 7 億）	是
Qwen 2.5（7B-72B）	Apache 2.0	是	是	是
Mistral（7B-8x22B）	Apache 2.0	是	是	是
DeepSeek-R1（開放權重）	MIT	是	是	最低限度
Gemma 2（2B-27B）	Gemma 條款	是	是	是
Phi-3（3.8B-14B）	MIT	是	是	最低限度

所有這些模型都明確允許您創建衍生作品，包括蒸餾模型。法律路徑是清晰的。

選擇哪個教師模型

對於一般推理和指令遵循： Llama 3 70B 或 Qwen 2.5 72B。兩者都是強大的通用模型，在各個領域產生高品質的訓練資料。

對於程式碼和技術任務： DeepSeek-R1 或 Qwen 2.5 Coder。在結構化輸出和程式碼生成方面表現強勁。

對於多語言任務： Qwen 2.5 在各種語言中表現出色。Llama 3 以英語為主，但在主要語言上也有能力。

對於受限環境： 如果您無法運行 70B 模型，對於您用自己資料補充的特定領域任務，Llama 3 8B 或 Qwen 2.5 14B 是不錯的教師模型。

2026 年最佳微調模型取決於您的具體使用案例，但上表中的任何模型都為您提供了法律上乾淨的起點。

步驟 2：設置教師模型

您需要在可以大規模生成訓練資料的環境中運行您的教師模型。三個選項：

選項 A：本地部署

使用 Ollama、vLLM 或 llama.cpp 在您自己的硬體上運行教師模型。這讓您完全控制且沒有使用限制。

70B 模型的要求：

2 個 NVIDIA A100（80GB）或同等產品
超過 128GB 系統 RAM
生成速度預計每秒 10 至 30 個標記

7B 至 14B 教師模型的要求：

單個 NVIDIA RTX 4090 或 Apple M2 Ultra
超過 32GB RAM
預計每秒 30 至 80 個標記

選項 B：雲端 GPU 租用

使用 RunPod、Lambda 或類似的 GPU 雲端提供商啟動臨時推理實例。對於批量生成訓練資料來說成本效益高——您只需支付所需時間的費用。

典型成本：A100 實例每小時 2 至 5 美元。您可以在幾個小時內生成數千個訓練示例。

選項 C：開源 API 提供商

Together AI、Fireworks 或 Groq 等服務提供對開源模型的 API 存取。由於您在其開源授權下使用這些模型（而不是專有 API），從這些端點生成訓練資料在法律上等同於在本地運行模型。

檢查提供商的條款，確認他們沒有在模型的開源授權之上添加限制。

步驟 3：從您的領域生成合成訓練資料

這是蒸餾與微調交匯的地方——也是真正價值被創造的地方。

您不是從教師模型蒸餾通用能力，而是使用教師模型處理您的特定領域內容。結果是將教師的語言能力與您的專有知識相結合的訓練資料。

流程

1. 準備您的源材料。 收集您的特定領域內容：

客戶支援日誌和已解決的工單
產品文件和知識庫文章
銷售電話記錄和常見問題
行業特定文件和監管文本
您業務特有的任何結構化資料

2. 設計您的提示。 創建提示模板，要求教師模型使用您的源材料作為上下文執行您的目標任務。

例如，如果您正在建立支援分類模型：

Given this support ticket:
"{ticket_text}"

Classify into one of these categories: {your_categories}

Respond with only the category name.

3. 大規模生成。 通過教師模型運行您的源材料。對於每個輸入，收集輸出。這創建了您的訓練資料集。

目標資料集大小：

最低可行： 500 個示例（對於定義明確的任務出奇有效）
穩固基線： 1,000 至 2,000 個示例
生產品質： 2,000 至 5,000 個示例
複雜任務： 5,000 至 10,000 個示例

更多資料並非總是更好。精心策劃的 500 個高品質示例的資料集通常優於 5,000 個噪雜的示例。

4. 添加您的專有信號。 教師生成有能力的輸出。您的領域專業知識使它們卓越。審查生成的資料並：

修正任何不符合您品質標準的輸出
添加教師做錯的示例（邊緣案例、特定領域的細微差別）
確保所有示例的輸出格式一致
驗證領域術語使用正確

這個步驟是通用蒸餾與特定領域微調之間的區別。教師提供語言能力。您的資料和審查提供領域專業知識。

步驟 4：準備資料集

微調的訓練資料集通常使用 JSONL 格式——每行一個 JSON 物件，每個物件包含對話結構。

格式

{"messages": [{"role": "system", "content": "You are a support classifier for Acme Corp."}, {"role": "user", "content": "My invoice is wrong"}, {"role": "assistant", "content": "billing_issue"}]}
{"messages": [{"role": "system", "content": "You are a support classifier for Acme Corp."}, {"role": "user", "content": "Can't log in"}, {"role": "assistant", "content": "account_access"}]}

品質過濾

訓練前，清理您的資料集：

刪除重複項。 幾乎相同的示例增加噪音而不增加價值。
刪除矛盾。 如果相同的輸入映射到不同的輸出，解決衝突。
驗證格式一致性。 每個示例應遵循相同的輸出結構。
檢查幻覺。 審查教師輸出，核對源材料中的事實錯誤。
平衡類別。 如果您正在訓練分類器，確保各類別的合理代表性。

有 1,000 個乾淨示例的資料集將優於有 5,000 個混亂示例的資料集。品質勝於數量，每次都是如此。

不想管理 JSONL 文件和訓練配置？Ertas 以視覺化方式處理資料集準備。查看定價 →

步驟 5：微調學生模型

現在您在準備好的資料集上訓練較小的學生模型。這是蒸餾的知識被壓縮到可部署模型的地方。

選擇學生模型

您的學生應該比您的教師小——這就是蒸餾的意義。常見選擇：

教師 70B → 學生 7B-14B：大多數生產部署的最佳選擇
教師 14B → 學生 3B-7B：用於邊緣部署或資源受限環境
同系列優先：將 Llama 70B 蒸餾到 Llama 7B 比跨系列蒸餾效果更好

訓練方法：LoRA/QLoRA

即使是 7B 模型的全量微調也需要大量 GPU 記憶體。LoRA（低秩適應）和 QLoRA（量化 LoRA）使這成為可能：

LoRA 在凍結的基礎權重之上添加小型可訓練適配器（約 50 至 200 MB）
QLoRA 將 LoRA 與 4 位元量化相結合，進一步降低記憶體要求
7B 模型可以在具有 24GB VRAM 的單個 GPU 上使用 QLoRA 進行微調

關鍵訓練參數：

學習率：1e-4 至 2e-4
批次大小：4 至 8（帶梯度累積）
訓練輪數：2 至 4（資料更多 = 需要更少的訓練輪數）
LoRA rank：16 至 64（越高 = 容量越大，記憶體消耗越多）

使用 Ertas

如果您寧願完全跳過配置，Ertas 以視覺化方式處理此步驟：

上傳您的 JSONL 資料集（或從 Hugging Face 匯入）
選擇您的基礎模型
通過 UI 調整訓練參數（或使用推薦的預設值）
開始訓練——實時追蹤進度
如果運行多個實驗，並排比較結果

無需 Python。無需 YAML。無需 CLI。平台處理基礎設施並返回您的微調模型。

步驟 6：評估學生模型與教師模型

部署前，驗證您的學生模型滿足您的品質標準。

自動化評估

在保留的測試集（訓練中未使用的示例）上運行教師和學生模型。比較：

準確率：學生是否產生正確的輸出？
格式合規性：學生是否遵循預期的輸出結構？
一致性：學生對相似輸入是否給出相同的答案？
延遲：學生的響應速度如何？（應該比教師更快）

人工評估

對於主觀任務（寫作、對話、摘要），自動化指標並不能說明全部情況。進行盲評：

對相同輸入生成 50 至 100 個教師和學生的輸出
並排展示輸出，不帶標籤
讓領域專家評估品質、準確率和適當性
追蹤學生的不足之處——這些差距指導您下一次訓練迭代

目標基準

對於具有精心策劃的訓練資料的特定領域任務，您應該期望：

分類和提取任務準確率達到 90 至 95%
生成任務在教師品質的 5 至 10% 以內
推理速度比教師快 3 至 10 倍（視大小比例而定）
在窄而定義明確的任務上匹配或超越提示工程的 GPT-4

如果您的學生達不到目標，修復方法通常是更好的訓練資料——而不是更大的學生模型。返回步驟 3，在學生表現不佳的領域添加更多高品質示例。

步驟 7：匯出到 GGUF 並部署

一旦您的學生模型通過評估，將其匯出用於生產部署。

GGUF 匯出

GGUF 是本地模型部署的標準格式。它相容於：

Ollama：最簡單的部署，單個命令即可運行
llama.cpp：輕量級，在 CPU 和 GPU 上運行
LM Studio：帶 UI 的桌面應用程式
vLLM：高吞吐量生產服務

量化選項

GGUF 支援多種量化級別，在模型大小和品質之間進行權衡：

Q8：最高品質，7B 模型約 8 GB
Q5：品質好且體積小，7B 模型約 5.5 GB
Q4：大多數任務可接受的品質，7B 模型約 4.5 GB

對於在高品質資料上進行微調的特定領域任務，Q5 量化通常保持超過 95% 的全精度品質。從那裡開始，根據您的品質要求進行調整。

部署

# 使用 Ollama
ollama create my-model -f Modelfile
ollama run my-model

# 使用 llama.cpp
./server -m my-model.gguf --port 8080

您的模型現在在本地運行。沒有 API 呼叫。沒有每個標記的費用。沒有可以棄用它的供應商。沒有可以在您下面改變的服務條款。

Ertas 工作流程：不需要 CLI 即可完成所有這些

上述步驟是有效的。它們也需要大量手動工作——設置推理環境、管理 JSONL 文件、配置訓練運行、處理量化和匯出。

Ertas 將整個管道壓縮到視覺化介面中：

上傳您的資料集（或通過 URL 從 Hugging Face 匯入）
選擇您的基礎模型，從支援的開源選項中
配置並訓練，使用視覺化控件和推薦的預設值
評估，使用內建比較工具
一鍵匯出到 GGUF

從資料集上傳到可部署的 GGUF 文件——整個過程需要幾分鐘而不是幾個小時。無需管理 Python 環境。無需 GPU 配置。無需 YAML 配置文件。

您創建的模型是您的。下載 GGUF，在任何地方部署。Ertas 是訓練工具，而不是部署鎖定。

正確的蒸餾方式

DeepSeek 情況不是蒸餾作為技術的失敗。它是策略上的失敗——選擇從封閉平台提取能力，而不是在開放基礎上建立。

正確的方法：

具有寬鬆授權的開源教師模型
您的領域資料作為差異化因素
合法微調，產生其他任何人都沒有的能力
GGUF 匯出，用於可攜式、不依賴供應商的部署
管道中每個組件的完整所有權

沒有假帳戶。沒有服務條款違規。沒有法律風險。只是一個真正屬於您的更好模型。

無需接觸 CLI 即可完成所有這些。Ertas 以視覺化方式處理整個蒸餾管道——從資料集到 GGUF 只需幾分鐘。查看方案 →