獨立開發者的微調：$10 Ertas Lite 方案深入解析

大多數想為副專案訓練一個客製化 AI 模型的人，都卡在同一個地方。教學文件預設你的桌機裡插著一張像樣的 GPU，雲端平台按 GPU 小時計費而且沒有上限，免費方案的模型大小上限又剛好卡在真正好用的那條線以下。

Lite 每月 $10。它的存在，是為了讓業餘愛好者或獨立開發者從「我想試試看」走到一個訓練好、跑在自己專案裡的模型，過程中不必擁有價值數千美元的硬體，也不必面對一張沒有上限的帳單。訓練仍然跑在真正的 GPU 上，由 Ertas 雲端基礎設施代為管理。重點在於這些 GPU 不必是你的。

以下是這筆錢買到的東西、用它做出來的真實專案，以及對它極限的誠實交代。

獨立專案實際上長什麼樣

這是 Chatty Valley，一個 Stardew Valley 模組，它把某位村民固定的對話換成一個小模型，訓練它維持角色設定。模型跑在玩家自己的機器上，不需要 API 金鑰，也沒有每則訊息的費用。

這就是 Lite 這個價格所針對的工作形狀。一個角色、一份資料集、幾次訓練運行把語氣調對，然後匯出、發佈。

那個專案的難處從頭到尾都在迭代：讓角色拒絕一個錯誤的前提、避免它對什麼都點頭，以及阻止它在對話進行到第十二則訊息時脫離角色。這些都是訓練迴圈的問題，也正是點數花掉的地方。

先在瀏覽器裡試試微調過的角色

如果你想在付錢之前先感受一下小型微調角色模型是什麼樣子，Corporate Goblin 完全在你的瀏覽器裡運行，網址是 playground.ertas.ai。不需註冊、不需伺服器：模型會下載下來，透過 WebAssembly 在你自己的機器上運行。

這是一個有用的校準練習。一個 230M 模型配上一份收得很緊的角色資料集，維持角色的能力比多數人預期的好，而且它會在你花點數去試之前，先告訴你實際上需要多大的模型。

$10 拆掉的四道牆

免費方案是一個真正能用的方案，你也應該從那裡開始。以下是讓人離開它的四個限制。

1. 超過 5B 的模型，包含 Gemma 4 E2B

免費方案的上限在 5B 參數以下。Lite 把你帶到 14B，和 Builder 以及其上每一個層級的模型上限相同。

這裡最值得認識的模型是 Gemma 4 E2B。「E2B」這個名字的意思是「effective 2B」，描述的是它的推論運算量，而它的訓練規模是另一回事。它的實際參數量是 5.12B，剛好越過免費方案的那條線。它是一個記憶體效率很好的模型，具備 128K 上下文視窗，也是角色模型或助理模型很好的起點之一。訓練它需要 Lite。

Qwen 3.5、Llama 3 以及型錄裡其餘的中型模型都落在同一個區間。

2. 更高階的 GPU，讓訓練在你還在工作時就跑完

免費方案在入門級硬體上訓練。包含 Lite 在內的每一個付費層級，都會把你移到更高階的 GPU 層級。實際的差別在於周轉時間：在免費層級要佔掉一整個晚上的訓練運行，在這裡快到足以讓你一次坐下就迭代好幾輪，而這往往就是一個做完的專案和一個被放棄的專案之間的差別。

3. 從你已經訓練好的模型繼續訓練

你可以拿一個在 Ertas 上訓練好的模型繼續往下訓練，省去每次都從基礎模型重新開始。如果你的第一次運行把語氣調對了，但模型講話太囉嗦，你就在那次運行的基礎上繼續疊加，不必把它丟掉。在 40 點數的預算下，省掉一次從頭重跑，是你能拿到的最大一筆節省。

4. 完整模型匯出

你可以把訓練好的權重帶走，想在哪裡運行就在哪裡運行。透過 Ollama 或 llama.cpp 做本機推論、打包進遊戲模組、隨應用程式一起發佈。沒有每則訊息的費用，你的建置裡不用放 API 金鑰，而且離線也照常運作。

另外還有訓練後推論，讓你在一次運行結束後直接在平台上測試模型，省去先匯出才知道有沒有成功的那一步。

40 點數實際上買到什麼

點數由訓練運行消耗。一次 7B 模型、500 到 1,000 筆範例的運行大約花 8 到 15 點數，所以 40 點數大概是每月三到五次真正的運行。未使用的點數可以延展一個月，讓清閒的一個月替忙碌的下一個月出錢。

以 Chatty Valley 這種形狀的專案來說，那大概就是把一個角色調對所需要的一個月。

儲存空間是模型 25 GB、資料集 1 GB，兩者各自獨立，資料集永遠不會吃掉你的模型空間。一個 4-bit 的 7B GGUF 大約 4 到 5 GB，所以 25 GB 大概放得下五個完成的模型，還留有工作的餘裕。

Lite 在哪裡會不夠用

一篇方案評測最有用的部分，是告訴你什麼時候該停止付這筆錢。

如果你經常迭代，40 點數消耗得很快。 三到五次運行，對於一個你慢慢打磨的模型來說很寬裕。一旦你開始比較兩個基礎模型、掃描超參數，或每週用新資料重新訓練，它馬上就會變緊。

做 14B 的工作時，25 GB 會比點數更早成為瓶頸。 一個 14B 的匯出檔大約是 7B 的兩倍，所以同樣的 25 GB，放得下五個 7B 模型，就只放得下兩三個 14B 模型。

要同時做多個專案的話，1 GB 的資料集儲存空間偏小。 對一份精選過的資料集來說很充裕，攤到四個客戶身上就會綁手綁腳。

加購的算式就是升級訊號。 額外點數是每 50 點 $15，所以一個買了一次加購的月份，等於用 $25 買到 90 點數。Builder 是 $25 買 100 點數，而且模型儲存空間是兩倍。如果你多數月份都在加購，Builder 對你來說已經更便宜了。

Lite vs 免費方案

每日重置是多數人最先撞上的那道牆，而且它比看起來更硬。免費方案每天給你 5 點數，每天重新開始，昨天沒用完的今天就沒了。所以一次要花超過 5 點數的運行，無論你等多少天都跑不了。一次 12 點數的訓練運行在免費方案上永遠無法執行。

Lite 一次把 40 點數全部給你，沒用完的還能延展一個月。這就是讓一次真正的運行成為可能的原因，也是你能在一個週六裡連跑三次的原因。

Lite vs Builder

兩者的能力完全相同。Lite 就是空間比較小的 Builder，所以你唯一在選的軸線是用量。

誰該選 Lite

• 你在做一件事：一個模組、一個遊戲 NPC、一個副專案的功能、一個應用程式助理
• 你撞上了免費方案的模型大小上限，而那是唯一擋住你的東西
• 你想把權重匯出來，跑在自己的專案裡
• 你想在投入更多之前，先確認客製化模型是否勝過你目前的 API 帳單

誰該跳過它

• 你還在探索階段。 留在免費方案。它不花錢，而且會教會你整套工作流程。
• 你每週重新訓練，或同時應付好幾個模型。 直接上 Builder。那個差價你多半也會花在加購上。
• 你需要空間同時放好幾個模型，或是更大的模型。 Pro 是儲存空間不再構成限制的地方：模型儲存空間 100 GB，相對於 Lite 的 25 GB；資料集 5 GB，相對於 1 GB。它同時帶有 200 點數、GPU 佇列的優先權，以及 Ertas 新功能上線時的搶先體驗。

常見問題

我需要自己擁有 GPU 嗎？ 不需要。訓練跑在由 Ertas 管理的雲端 GPU 上，昂貴的硬體因此不會出現在你的桌上，也不會出現在你的信用卡帳單上。你在本機需要的，只是一台能運行完成後模型的機器，而一個 4-bit 量化的小模型在一般消費級硬體上就跑得動。

我需要會 Python 嗎？ 不需要。訓練在 Studio 裡以視覺化的方式設定。你要帶來的是資料集，以及對什麼才算「好」的判斷。

在 Lite 上我可以訓練什麼？ 型錄中最高 14B 的任何模型，涵蓋小型到中型區間的 Gemma 4 E2B、Qwen、Llama、Mistral 和 Phi。

我可以把模型用在商業遊戲或應用程式裡嗎？ 訓練好的權重是你的，可以匯出、可以發佈。請確認你起步時所用的基礎模型授權條款，因為它會延續到你的微調模型上。

如果我取消訂閱，我的模型會怎樣？ 取消之前，把任何你想保留的東西先匯出。儲存空間配額依你所在的方案計算。

誠實的總結

Lite 的範圍是刻意收窄的。它以我們能給出的最低價格，拆掉那些擋住業餘愛好者與獨立開發者發佈真東西的牆。它的規格是為一次一個專案設計的，而上面那道加購算式會告訴你，該升級的確切月份。

如果你正處在那個位置，它是 $10，而且隨時可以取消。

Ertas 方案 $10/月起。 查看定價

---

延伸閱讀

• Chatty Valley：Stardew Valley 的端側 AI 模組：上面那個專案的完整開發過程
• Ertas 給獨立開發者：副專案與 vibe coding 應用程式的全貌
• Ertas Builder 方案評測：上一個層級，以及點數什麼時候值得
• 無需寫程式的 AI 微調：訓練工作流程實際上如何運作
• 在本機運行 AI 模型：匯出之後如何設定 Ollama