8 月中旬，两条价格新闻，把"该不该微调"这个老话题又顶到了台前。
8 月 17 日起，DeepSeek 对 V4 全系实行峰谷分时计费，旗舰 V4-Pro 高峰时段输出价从 6 元/百万 tokens 涨到 27 元，涨幅 350%。知乎有开发者把开放平台的真实账单拉出来，9 天分时实测加 78 天回溯，结论很直白：同样的用法，新价格下要多花 4 倍的钱。知乎一周后的 8 月 26 日，阿里发布并开源 Qwen3.8-Flash——125B 总参数、每次只激活 6B，千问 AI 平台给出的价格是输入 0.8 元/百万 tokens，输出 2.7 元，缓存命中只要 0.1 元。知乎
一边涨价，一边把价格打到地板。"微调还是调 API"的争论双方，都觉得自己收到了天启。
但翻完这两周知乎、小红书、B站上的讨论，我想先说个结论：这波价格波动，没有改变"该不该微调"的答案，只改变了算账的方式。
两拨人吵得很凶，其实答的不是同一道题
现在社区里吵得挺热闹。B站一条《大模型微调就是骗局》的视频有 4.3 万播放，148 条评论两派互掐；小红书上一篇讲"Prompt 已经写得很详细了，但模型输出还是不够稳定，格式不统一，业务规则也记不牢"的帖子，收藏过了五千，帖子里给的答案是微调。哔哩哔哩小红书更卷的是，8 月 14 日 Qwen3.8-27B 刚开源两天，就有开发者完成了首个公开的全参微调，自称"全网第一个"。小红书
两边看着都有真实案例，但仔细看前提，他们答的根本不是同一道题。
“骗局"派针对的，是把微调当知识注入——喂一堆公司文档、业务资料，指望模型"学会”；“该微调"派说的，是拿微调改行为——固定输出格式、稳住语气、把分类边界咬死。知乎近期一个高赞回答把这层边界概括得很准：RAG 解决的是"没喂到”，微调解决的是"喂到了还是不对劲"。知乎
问题一：你要改的是知识，还是行为？
那个高赞回答里讲了个踩坑故事。他们的内部知识助手接了几千篇 wiki、SOP，项目启动时总有人嚷着"不微调回答就飘"。后来把 badcase 拆开看，80% 的错误根本不是模型能力问题——是检索拿错了东西，是拿到了三年前的过期文档，是 chunk 切得太碎。知乎把重排、时间衰减、引用约束补上，命中率立刻上去，成本只多了一点检索和重排。
所以第一个问题：你的模型"不行"，是没告诉它，还是告诉了它也不照做？
知识本身每周都在变的——报价单、制度、产品配置、排班表——别犹豫，直接 RAG。你不可能每更新一次知识库就重训一遍。
想改的是行为——永远按固定 JSON 输出、学会你家客服的话术、把"账号异常"和"权限申请"两类工单分得清清楚楚——微调才进入候选。
问题二：你的"不稳定"，是微调能治的那种吗？
方向对了，微调起效还有前提：RAG 已经做干净了，Prompt 已经磨到头了，而且你手里有评测集。那个高赞回答给的方法很实在——先做 200 到 500 条真实样本的评测集，别拿 demo 问题自我感动；跑通之后看错误是不是集中在同一类任务上，是，再谈微调。知乎
对症之后，微调的收益是很具体的：
有个内部工单分类器，拿几万条清洗过的历史工单做轻量微调，F1 从 0.78 干到 0.91，人工复核量直接砍掉一半。知乎
知乎一个 LoRA 微调全记录专栏，39 分钟训练，医疗场景 BLEU 提升 59.4%，代价是通用能力大约 3% 的损失。知乎
还有一个实战案例把 Gemma 调成情绪判断专家，准确率从 62% 拉到 91%。知乎
注意这三个案例的共同点：任务边界清晰、有评测集、目标单一。"一次训练，包治百病"是对微调最常见的幻想。
这里也要泼盆冷水。Qwen3.8-27B 那个"全网首个"全参微调，帖主自己的结论是：在一些已经刷饱和的数据集上，新底座 qwen3.8 和旧的 qwen3.6 差别不大——底座变强，不等于你的任务自动变好。小红书你的任务能提升多少，只有你的评测集说了算，榜单不算。
问题三：2026 年 8 月这笔账，你算得过来吗？
对习惯算性价比的朋友，这才是最要紧的问题。微调买的不是"更聪明的 AI"，是"固定的行为"，而固定的代价有三个：
第一，权重绑定当前底座。开源底座迭代快得惊人——Qwen 半年内连出 3.5、3.6、3.8 三个版本，DeepSeek 也已经到了 V4。底座一换，行为想平移就得重训，这条成本躲不掉。
第二，数据是隐形大头。知乎有实践者复盘，微调项目里数据清洗通常要占掉整个周期的一半到七成——宁可要 2 万条干净样本，也不要 5 万条脏数据。知乎模型的上限是数据定的，不是训练脚本定的。
第三，API 涨价确实是新问题，但它是"调度能解决"的问题。DeepSeek 周六周日已经全天按低谷价计费，高峰只集中在工作日 9-12 点和 14-18 点，批处理任务挪到低谷就能躲开。知乎涨价的是一家供应商，你可以换供应商；而微调出来的模型，把你绑死在一条技术路线上。
真正"值得微调"的信号很窄：任务规则长期稳定、调用量巨大、或者格式稳定性有硬要求——票据分类、单据抽取、固定格式输出、用定制小模型给高频业务降推理成本。这几条一条都不沾，就别碰。
真到了该微调的时候，也请从小处开始
现在微调的门槛已经很低，低到个人就能跑通全流程：小红书有人用 qwen3-4b 做 LoRA 微调，30 个类别的分类任务，验收标准是每个类别精确率 85% 以上；B站甚至有人拍了《0.8 元+个人显卡，微调属于自己的大模型》。小红书哔哩哔哩LoRA、QLoRA 加一个 4B 级小模型，一张消费级显卡就能完成一轮验证。
正确的顺序是：先用一次小成本验证"微调确实能治你的病"，验证通过了，再谈要不要上规模。
最后给一张自检清单
花训练预算之前，问自己五个问题：
我要补的是知识还是行为？知识 → 先做 RAG，别想微调。
这些知识每周都在变吗？是 → RAG，别想微调。
我有 200-500 条真实评测样本吗？没有 → 先做评测集，做完答案自己会浮出来。
错误是不是集中在"同一类任务总犯同一种错"？错得零散 → 先修检索和 Prompt。
任务规则一两年内稳定、调用量够大吗？两条都不沾 → 微调性价比极低。
还有三个值得持续盯的信号：高峰涨价会不会蔓延到更多供应商、开源模型会不会继续把调用价往下打；新底座上 LoRA 权重的迁移方案成熟得有多快——每次新模型发布多久有人出适配，基本决定了你手里权重的迁移成本；以及你所在领域的评测集好不好找，它决定了每次重训的边际成本。
一句话收尾：调 API 像点外卖，RAG 像自带食材请人加工，微调像请私厨。8 月外卖价格上蹿下跳，影响的是前两者的账；要不要请私厨，看的从来是你自己的嘴刁不刁，不是外卖贵不贵。
