现在多数企业其实根本没必要自己后训练模型

和当下的主流说法相反，大多数企业根本就不应该考虑自研模型后训练。

最近有不少热度，都围绕着企业转向开源模型、用自有专有数据进行后训练，而这些企业几乎全都起步错了地方。

它们反而应该先从测评开始，搞清楚哪些模型实际上最适配它们关注的不同场景，以及每个模型在成本与性能的帕累托前沿上处于什么位置。

我最近参与的讨论大多分成两种观点：第一种是，拥有模型是一项战略决策。

这种观点一般来自应用层公司，它们想要防备大模型实验室、掌控自有数据，并且后训练可以直接部署给客户的模型。这是我见过少数支持做后训练的合理理由。

第二种就很简单了：大多数企业只是想找办法降低推理成本。几乎所有这类企业都不应该考虑后训练。

它们应该先针对自己实际关心的问题做测评，搞清楚哪些模型在对应成本下表现足够好。GLM 5.2 和 Kimi K3 这类开源模型在很多任务上的表现已经相当不错了。Grok 4.5，还有最新的 4.6，性价比已经很高，加上 Terra 成本下调，在我看来，对如今大多数企业来说，找到成本和性能之间的平衡点已经不难实现。

实际应用中，解决方案很可能不会只靠一个模型。企业会通过测评确定哪些模型最适合不同任务，再把每个请求路由到能满足性能要求的最便宜模型上。

只有一小部分企业做完测评后，会发现现有模型仍然无法满足它们对目标任务的成本性能组合要求。这时候你已经有了测评结果，也准备好了训练数据，真正为后训练模型的成功打下了基础，再去做后训练就对了。