“ 怎么選擇和測試一款大模型，是一個需要思考的問題”

到今天為止，市面上的大模型沒有一萬也有三千；如果算上那些學習使用的大模型，可能幾十萬都不止。

但對企業來說，要想構建一個企業級的AI應用，最好的選擇就是使用第三方大模型或者使用開源大模型，那么在如此多的模型中，怎么選擇一個適合自己任務的大模型呢？

個人開發的人工智能聊天小程序，感興趣的可以點擊查看：

01、為什么要選擇模型？

這兩年市面上的模型如雨后春筍般不斷涌現，而且模型的能力也在不斷加強。但不論是對個人還是企業來說，東西多了反而不知道該怎么選了。

有句老話叫：“沒有最好的，只有最合適的”；這句話放到大模型上也是一樣，不論是對個人還是對企業，怎么選擇一個好的模型，是一個值得思考的問題。

對個人來說，如果學的是自然語言處理，那么選擇一個圖片處理的模型就走偏了。

而對一家企業來說，選擇模型需要考慮的問題就更多了，比如模型的功能是否滿足需求，模型的響應速度，數據安全問題，更新頻率以及是否有完善的文檔，更重要的是使用模型的成本問題。

而目前由于大模型的應用還處于初級階段，雖然搞了一年多的千模大戰，但真正能把大模型貼合到具體的應用場景中，還處于探索的階段。

因此，市面上也很難見到完整的大模型企業級解決方案；而今天就來簡單討論一下怎么選擇一個適合的大模型；也可以說是選擇模型的一個簡單方法論。

02、怎么選擇模型？

無論做任何事，都會有固定的幾個步驟，選擇模型也不例外；而怎么選擇模型，總結了以下幾個步驟：

明確任務需求

選擇大模型之前，第一步就是要確定任務需求，也就是說你想用大模型干什么？只有明確了任務需求，才能知道應該選擇什么樣的大模型。

舉例來說，你想利用大模型做一個具有圖像處理功能的大模型，那么你選擇自然語言處理的模型就肯定不合適。

在明白需求的情況下，你才知道怎么想干嘛，以及能干嘛。

確定模型類型和架構

根據任務需求，篩選符合任務功能的模型；比如說，同樣都能進行圖片處理的大模型，是選擇開源的，還是商業閉源；是選擇AGI(通用人工智能)這種能夠進行多模態處理的大模型，還是選擇垂直領域內的模型。

評估大模型和基礎能力

在確定大模型的類型之后，就可以對模型進行簡單的評估；不論是使用官方給出的評測結果，還是自身的評測手段，比如自己整理一部分業務數據做成測試集，然后丟到模型中進行交叉測試。

評估大模型不但要評估大模型的基礎能力，同時還要看大模型的響應速度，是否支持大數據量處理，大模型是否會經常更新等。

選擇模型

在確定了前面幾個步驟之后，可能會有幾個模型供我們選擇；這時我們就需要對它們進行篩選了，如果說前面的步驟是硬性條件，那么現在就需要篩選一些軟性條件。

比如說，這款大模型的文檔是否完善，文檔更新是否及時；以及，如果是第三方大模型，那么使用大模型的成本是否合適。

還有就是，大模型是否能本地部署，本地部署需要的成本有多少，需要多少硬件設備，以及需要多少人力進行維護。還有就是數據安全問題，是否能夠得到保障等。

總之，選擇大模型是一個復雜的過程，特別是不使用第三方模型的情況，自己部署大模型的情況下。

使用第三方模型，如果覺得效果不好換一家就行了；但如果本地部署大模型，如果表現不好那么前期的人力和硬件資源的投入就無法收回了。

當然，這里只是記錄一下自己認為的大模型選擇方案，可能還有很多問題有待完善，對企業級大模型有了解或感興趣的朋友可以來參與討論。

本文轉載自公眾號AI探索時代 作者：DFires

原文鏈接：??https://mp.weixin.qq.com/s/_gM_dUuzWk1tDCBASSq-jg??