Ertas vs OpenAI 微调 API
2026 年 Ertas 与 OpenAI 微调对比。OpenAI 将于 2027 年 1 月 6 日停止创建新的微调任务,本文说明这意味着什么,以及开放权重模型如何比较。
Overview
2026 年 10 月 28 日更新:OpenAI 正在逐步关闭微调平台。新组织已于 2026 年 5 月 7 日失去访问权限,现有客户可以在 2027 年 1 月 6 日前继续创建新的微调任务。微调过的 GPT-4o、GPT-4o mini、GPT-4.1 和 GPT-4.1 mini 模型将于 2027 年 1 月 14 日随其基础模型一起下线。OpenAI 推荐的替代模型是通用模型 GPT-6 Luna。来源:OpenAI 的弃用页面和监督微调指南,查阅于 2026 年 10 月 28 日。以下对比描述的是该服务开放期间的情况,替代方案和迁移步骤请参阅我们的迁移指南。
OpenAI 的微调 API 一直是最知名的模型定制入口。您上传 JSONL 格式的训练样本、选择 GPT-4o-mini 等基础模型,OpenAI 在其基础设施上处理训练。结果是通过 API 以按 token 成本访问的定制模型。入门简单、文档完善,并受益于 OpenAI 的前沿模型质量。对于已经在 OpenAI API 上构建的团队,微调是需要最少新工具的自然延伸。
Ertas 采取另一种方法:训练可以在任何地方运行的开放权重模型。在 Ertas Studio 中,您通过可视化界面无代码训练,输出是一个 GGUF 文件,可以在自有硬件上、Ollama 上或 LM Studio 中运行;自行托管时,Ertas 不收取任何按 token 计算的费用。如果您希望由 Ertas 代为运行模型,自适应 endpoint 会通过兼容 OpenAI 的 API 提供服务,按 token、按席位或按专用硬件计费。权衡很明确:OpenAI 给您零 基础设施管理的最佳专有模型访问,而 Ertas Studio 让您拿到归您所有的模型文件,部署时没有持续 API 成本,也不受供应商锁定。
选择通常取决于您需要绝对最高的模型质量(OpenAI 的专有模型在某些基准上仍有优势)还是需要所有权、隐私和可预测的成本。对于客户支持、文档处理、特定领域分类等范围较窄的生产任务,用您自己的样本训练的开放权重模型可以达到您设定的质量标准。用您自己的评估集为两个模型打分,就能看出哪一个达标。
Feature Comparison
| Feature | Ertas | OpenAI 微调 API |
|---|---|---|
| GUI 界面 | 最小(Playground) | |
| 需要编码 | API 调用或 SDK | |
| 新训练任务 | 可用 | 2027 年 1 月 6 日停止 |
| 微调模型寿命 | 文件归您,无下线日期 | 随基础模型下线 |
| 模型所有权 | 完全(GGUF 文件) | 否——仅 API 访问 |
| 开放权重模型 | ||
| 训练后按 token 成本 | 自行托管时无 | 是 |
| GGUF 导出 | 一键 | 不可用 |
| 本地部署 | ||
| 实验跟踪 | 基本 | |
| 数据隐私 | 数据保持私密;模型在您选择的地方运行 | OpenAI 服务器 |
| 基础模型选择 | 开放权重基础模型,按任务选择 | GPT-4.1、GPT-4o(2027 年 1 月 14 日下线) |
Strengths
Ertas
- 完全模型所有权——获得可在任何地方部署的 GGUF 文件,无持续 API 成本或供应商依赖
- 可视化界面带引导工作流意味着无需 Python、API 调用或 JSONL 格式 化
- 适用于多种开放权重基础模型,按每项任务选择
- 自行托管导出的模型时没有按 token 收费;也可以交给 Ertas 运行,按 token、按席位或按专用 GPU 计费
- 内置实验跟踪和多次训练运行的并排对比
- 您的数据保持私密,训练好的模型在您选择的地方运行:您自己的硬件、您的云或 Ertas 托管的基础设施
OpenAI 微调 API
- 访问 OpenAI 的专有 GPT 模型,在许多通用基准上领先
- 零基础设施管理——OpenAI 处理所有计算、扩展和模型服务
- 极其简单的 API——上传 JSONL、调用微调端点、获得模型 ID
- 成熟的生态系统,拥有广泛的文档、社区示例和 SDK 支持
- 自动扩展——微调模型通过相同 API 服务,无需部署工作
- 蒸馏能力让您从更大的 GPT-4 输出训练更小的模型
Which Should You Choose?
OpenAI 的专有模型在复杂推理和广泛通用任务上仍然领先。不过,只有现有的 OpenAI 微调客户能在 2027 年 1 月 6 日前继续微调这些模型,微调后的模型也会在 2027 年 1 月 14 日下线。如果模型需要在此之后继续运行,请用同样的样本训练一个开放权重模型,并在您自己的评估集上比较。
OpenAI 微调模型只能通过其 API 访问。Ertas 给您一个可以在自有硬件上通过 Ollama 或 LM Studio 完全离线运行的 GGUF 文件。
OpenAI 对微调模型的每次 API 调用按 token 收费。使用 Ertas,您可以自行托管导出的模型而不付按 token 的费用,也可以交给 Ertas 运行。无论哪种方式,成本都会从两个方面下降:每个 token 的价格低于前沿模型,每个任务用的 token 也更少,因为您在每次提示中重复的指令和上下文已经训练进模型。
Ertas 提供完整的无代码可视化工作流。OpenAI 微调需要 API 调用或 SDK 使用,这需要开发者技能。
微调过的 GPT-4o、GPT-4o mini、GPT-4.1 和 GPT-4.1 mini 模型将于 2027 年 1 月 14 日下线。原有的训练样本可以直接沿用:在 Ertas 中用开放权重模型重新训练这项任务,并通过兼容 OpenAI 的 API 提供服务,应用只需更改 base URL 和模型名称。
Verdict
对于已经在 OpenAI 生态系统中的团队,OpenAI 微调曾是阻力最小的路径:API 简单、基础设施托管,GPT-4o 微调效果也很好。这条路正在关闭。新任务将于 2027 年 1 月 6 日停止创建,微调过的 GPT-4o 和 GPT-4.1 模型将于 2027 年 1 月 14 日下线。因此,OpenAI 微调模型除了原有的结构性限制(按 token 付费、数据存放在 OpenAI 的服务器上、无法在其 API 之外部署)之外,现在还有一个固定的终止日期。
当所有权、隐私和成本可预测性更重要时,Ertas 是正确的选择。针对分类、提取或特定领域生成等专注任务,用您自己的样本训练的模型可以达到您的评估集所定义的质量标准。使用 Ertas,您获得可在任何地方运行的 GGUF 文件(自行托管时无按 token 费用),以及非技术用户可操作的可视化界面。对于希望在自己控制的模型而非租用的模型上构建的团队,Ertas 提供了更可持续的长期方法。
How Ertas Fits In
这是一个直接对比。Ertas 提供 OpenAI 微调的替代方案,优先考虑模型所有权和成本可预测性而非专有 GPT 模型访问。OpenAI 以按 token 定价将您锁定在其 API 中,而 Ertas 生成您拥有并可在任何地方部署的 GGUF 文件。可视化界面还使非技术用户也能进行微调,而 OpenAI 的方法需要 API 或 SDK 知识。
Related Resources
Ship AI that runs on your users' devices.
Start free with 150 credits after card verification. Paid plans from $20/mo USD.