停止使用他人的模型：Vibecoder 走向 AI 所有權之路

有一個問題應該讓你感到不安：如果 OpenAI 明天把價格翻倍，你的應用程式會怎樣？

如果答案是「我的利潤會蒸發」或「我不得不關閉 AI 功能」，那麼你沒有 AI 產品。你有的是別人 AI 產品的包裝器。而那個「別人」掌控著你的經濟狀況。

這不是假設性的末日預言。OpenAI 之前已經棄用過模型。他們改變過定價結構。他們也調整過頻率限制。每次他們這樣做，數千個應用程式都在忙著調整。有些活不下去。

模型所有權——在你的資料上訓練模型並自行部署——才是建立持久產品的方式。讓我們談談這實際上意味著什麼以及如何達到這個目標。

「GPT 包裝器」問題，直白地說

你用 Cursor 建立了一個應用程式。也許是內容寫作工具、客戶支援機器人，或是小眾行業助理。核心價值是 AI 功能。用戶註冊是因為 AI 能做有用的事情。

但問題是：這個 AI 不屬於你。它是 OpenAI 的 GPT-4o（或 Anthropic 的 Claude，或 Google 的 Gemini）。你是按 token 租用智能。

這造成了三個問題：

問題一：沒有定價控制。 當 OpenAI 設定每個 token 的價格，他們就是在設定你的利潤。如果他們漲價，你的利潤就縮水。你無法談判。你無法優化。你只能付錢。

問題二：沒有差異化。 你的競爭對手可以使用相同的模型和相同的 API。你的產品和他們的產品之間唯一的分隔是提示詞和使用者介面。提示詞可以被複製。介面可以被克隆。沒有可防禦的護城河。

問題三：沒有持續性保證。 OpenAI 棄用了 GPT-3.5 微調。他們定期淘汰舊版模型。如果他們棄用你的應用程式所依賴的模型，你就得忙著遷移——而新模型的行為可能不一樣。

這些不是邊緣案例。它們是 API 依賴模式中內建的結構性風險。

「模型所有權」的實際含義

讓我們解開這個謎團。模型所有權不是指：

• 從頭訓練模型（那需要數百萬美元）
• 成為機器學習研究員
• 建立你自己的 GPU 集群
• 理解 Transformer 架構的內部機制

模型所有權的含義是：

1. 你拿一個開源基礎模型（Llama、Qwen、Phi）
2. 你在你的資料上微調它——你的應用程式實際產生的輸入和輸出
3. 你將它匯出為一個你可以下載和保存的檔案（GGUF 格式）
4. 你在自己的基礎設施上運行它（帶有 Ollama 的 VPS）

結果：你伺服器上的一個模型檔案，能很好地完成你的任務。你擁有這個檔案。你擁有這些權重。沒有人可以棄用它、漲價或奪走它。你可以複製它、備份它、將它移到不同的硬體上，或在多台伺服器上分享它。

這就是所有權。不是比喻意義上的所有權。一個你持有和控制的實際檔案。

當 OpenAI 棄用你的模型時會發生什麼

這已經發生過多次。模式如下：

1. OpenAI 宣布新的模型版本
2. 他們為舊版本設定棄用日期（通常是 6–12 個月後）
3. 開發者忙著用現有提示詞測試新版本
4. 新版本的行為不同——輸出改變、格式轉移、邊緣案例中斷
5. 開發者花幾週時間調整提示詞以匹配舊行為
6. 有些應用程式從未完全恢復

最具破壞性的棄用是 GPT-3.5-turbo 系列。已為 gpt-3.5-turbo-0613 仔細調整提示詞的應用程式，突然不得不遷移到以不同方式處理指令的新版本。幾個月來完美運行的系統提示開始產生錯誤輸出。

API 上使用微調模型的人處境更糟。他們的微調模型與基礎模型版本綁定。當基礎版本棄用時，他們的微調模型變得無法使用。他們不得不在新基礎上重新微調——這意味著新的行為、新的錯誤、新的提示工程週期。

對於你擁有的模型？這些都不會發生。你的 GGUF 檔案不會過期。明年和後年，Llama 3.3 8B 在 Ollama 中仍然能用。沒有棄用通知。沒有遷移截止日期。沒有你沒有選擇的行為改變。

當他們漲價時會發生什麼

OpenAI 的定價總體上呈下降趨勢，這讓人們自滿。但這個趨勢不是保證的，而且它掩蓋了一個更微妙的問題：他們為自己的收入優化定價，而不是為你的利潤。

以下是獨立應用程式面對定價壓力的情況：

• 你以 GPT-4o 每百萬輸入 token 2.50 美元的價格建立應用程式
• 你根據該成本結構設定訂閱價格
• 六個月後，你有了 5,000 個用戶，你的提示詞模式已經演變
• 你每個請求的平均 token 使用量悄悄增加了 40%（更長的對話、更多的上下文）
• 你每次互動的有效成本現在比你設定價格時高 40%
• 但你無法在不流失用戶的情況下提高訂閱價格

這幾乎發生在每個 AI 應用程式上。使用模式演變。提示詞變長。功能變複雜。按 token 計費的模式懲罰你改善產品。

固定成本 VPS 上的微調模型沒有這個問題。無論用戶發送短提示詞還是長提示詞，你的成本都一樣。無論你改善提示詞還是添加上下文視窗，你的成本都一樣。計費器不在運轉。

GGUF 優勢：真正的可攜性

當你將微調模型匯出為 GGUF 檔案時，你得到了一些非凡的東西：一個可以在任何地方運行的模型。

• Ollama 在 Linux VPS 上——最常見的生產設置
• llama.cpp 以獲得最高性能和控制
• LM Studio 在你的 Mac 上用於開發和測試
• Jan 提供好看的桌面介面
• 任何未來支援 GGUF 標準的工具

這與供應商鎖定完全相反。如果 Ollama 明天消失，你把 GGUF 加載到 llama.cpp 中。如果你想從 Hetzner 切換到 AWS，你複製這個檔案。如果你想在你的筆記型電腦上本地運行模型進行開發，你下載它。

你的模型是可攜的資產。它跟著你走。

與在 OpenAI 平台上的微調模型相比。它在哪裡？在 OpenAI 的伺服器上。你能下載它嗎？不能。你能在其他地方運行它嗎？不能。如果你停止支付 OpenAI，你能使用它嗎？不能。這不是你的模型。這是 OpenAI 的模型，你付費進行了定制。

模型所有權如何建立護城河

讓我們談談競爭優勢。

現在，任何人都可以建立 GPT-4o 包裝器。進入壁壘為零。如果你的應用程式的價值是「我們使用 GPT-4o 並且有好看的介面」，競爭對手可以在週末複製這個。他們確實擁有相同的 AI。

微調模型改變了這個等式：

你的模型在你的資料上訓練。 如果你建立了一個法律文件助理，你的模型已經看過你用戶數千份實際的法律文件，以及你的用戶偏好的特定輸出格式。你的競爭對手沒有相同的資料就無法複製這個。

你的模型隨使用而改善。 隨著你收集更多用戶資料，你的模型變得更好。這創造了飛輪效應：更好的模型 → 更多用戶 → 更多資料 → 更好的模型。你的競爭對手從零開始。

你的模型擁有你的領域知識。 在醫療帳單代碼上微調的模型知道 GPT-4o 不知道的醫療帳單代碼相關知識。它整體上不更聰明——它在你的特定事物上更聰明。這種專業化是你的護城河。

你的模型的行為是一致的。 你控制權重。今天的模型行為與六個月後的行為相同。你的用戶可以依賴一致的行為。你在 API 上的競爭對手無法保證這一點——下一次模型更新可能會改變一切。

這是在沙土上建造和在基岩上建造的區別。表面上看起來一樣。其中一個能在風暴中存活下來。

實際路徑：一個週末從 API 消費者到模型擁有者

以下是具體的時間表：

週五晚上（2 小時）

匯出你的訓練資料。 瀏覽過去 30–60 天的 API 日誌。提取你核心 AI 功能的輸入-輸出對。格式化為 JSONL。你至少需要 1,500 個示例——在典型的應用程式流量下，這是幾天的日誌量。

清洗資料。 移除不良示例（錯誤、幻覺、用戶投訴）。移除異常值。保留代表你希望模型做什麼的示例。這是最重要的步驟——垃圾進，垃圾出。

上傳到 Ertas Vault。 建立資料集。上傳你的 JSONL 檔案。

週六上午（3 小時）

開始訓練運行。 選擇 Llama 3.3 8B 作為基礎模型。使用 LoRA 默認值（秩 16，學習率 2e-4，3 個 epoch）。點擊訓練。

在訓練運行期間（約 60 分鐘）： 設置你的 VPS。啟動一個 Hetzner CAX31（32 GB ARM，約每月 16 美元）。安裝 Ollama。配置防火牆規則。如果你想要 HTTPS，用 nginx 設置反向代理。

評估你的模型。 訓練完成後，在 Ertas Studio 中檢查評估指標。從你應用程式的實際使用模式運行測試提示詞。將輸出與 GPT-4o 的輸出進行比較。

週六下午（2 小時）

匯出並部署。 將你的模型匯出為 GGUF（Q5_K_M 量化）。上傳到你的 VPS。建立 Ollama Modelfile。加載它。測試 API 端點。

整合測試。 將你應用程式的開發環境指向你的 VPS。執行你的核心用戶流程。驗證輸出是好的。

週日（2 小時）

部署。 更新你的生產應用程式配置以使用你的 VPS 端點。部署。在最初幾小時內監控。

設置備援方案。 配置你的應用程式，在你的 VPS 無響應時（維護、高負載等）回退到 OpenAI API。

總時間：週末大約 9 小時。持續的月成本：約 30–50 美元。你現在擁有了你的 AI。

為何這對退出價值很重要

如果你從長遠考慮——出售你的應用程式、籌集資金，或建立有持久價值的東西——模型所有權非常重要。

收購方看你的應用程式會看到兩件截然不同的事情：

依賴 API 的應用程式： 收入進來，API 成本出去。利潤稀薄且不可預測。核心技術不被擁有——它是被租用的。如果 API 改變，切換成本很高。結論：脆弱。

擁有模型的應用程式： 收入進來，基礎設施成本固定且低廉。有一個代表真實資產的專有訓練模型——訓練資料、嵌入在權重中的專業知識、部署基礎設施。沒有相同資料的競爭對手無法複製這個。結論：可防禦。

風險投資人和收購方越來越多地問：「你擁有什麼？」一個在獨特資料上訓練的微調模型是真實的答案。「我們使用 OpenAI API」不是。

所有權心態

Vibe coding 是關於快速發布。模型所有權是關於建立持久的東西。

這些並不矛盾。你可以在週末在 OpenAI API 上發布你的 MVP——你應該這樣做。但一旦你有了產品市場契合度和真實用戶，下一步就很清楚了：拿出你的用戶正在產生的資料，微調你自己的模型，停止依賴別人的基礎設施作為你的核心價值。

你應用程式的 AI 應該屬於你。不是因為這在意識形態上是純粹的，而是因為它對你的成本、你的用戶、你的競爭地位，以及你建立一個能夠存活的業務的能力更好。

停止使用他人的模型。使用你自己的。

---

延伸閱讀

• AI 模型所有權解釋 — 模型所有權在技術和法律方面含義的全面指南。
• GPT 包裝器陷阱 — 為何建立在封閉 API 之上比看起來更危險。
• API 依賴意味著沒有模型控制 — API 依賴的技術和業務風險。