微调一次多少钱？

云端微调 = 样本 × 平均 token × epochs ÷ 1M × 单价。例：5000 条 × 1000 token × 3 epoch = 1500 万 token，¥2/M → ¥30。比多数人想的便宜。

什么时候该微调？

性价比排序：Prompt 工程 < RAG < 微调。知识频繁更新用 RAG；固定风格/格式/领域术语才值得微调。数据 1000 条以上、评测标准清晰再动手。

AI & COMPUTE · 开发者算账系列

🧮

性价比排序：Prompt 工程 < RAG < 微调。知识频繁更新用 RAG；固定风格/格式/领域术语才值得微调。数据 1000 条以上、评测标准清晰再动手。

样本数×平均token×epochs = 训练量，云端微调费用与自训 LoRA 成本同时算，附 RAG 替代建议。

💡为什么要做这个工具

"该微调还是 RAG？"先看账：工具算出云端微调 API 费用，对比自训 LoRA 的租卡成本，多数场景 RAG 才是性价比之王。

默认值是典型配置（如 7B 模型、A100 单卡），按你的实际情况改。

改任何一个数，结论、明细、敏感性分析全部自动跟着变。

红黄绿结论卡告诉你够不够、贵不贵，行动清单告诉你下一步。

📏默认参数是典型档位（模型规模、卡型、单价），按你的实际配置改了再下结论

🪤云厂商价格与折扣变动快，以控制台实际报价为准，预留 20% 余量

🧮别只看峰值：显存和成本都要考虑峰值 + 平均 + 长尾三种口径

❓常见问题

微调一次多少钱？: 云端微调 = 样本 × 平均 token × epochs ÷ 1M × 单价。例：5000 条 × 1000 token × 3 epoch = 1500 万 token，¥2/M → ¥30。比多数人想的便宜。
什么时候该微调？: 性价比排序：Prompt 工程 < RAG < 微调。知识频繁更新用 RAG；固定风格/格式/领域术语才值得微调。数据 1000 条以上、评测标准清晰再动手。