@MinLiBuilds: 真得感谢 Unsloth、SGLang 这种开源佬。 模型厂把权重放出来，只是第一步。 后面这帮人孜孜不倦地做适配、写 Kernel、降显存、提速度、补工具、写教程，甚至连免费算力入口都给你铺好。 没有这些人，很多所谓“开源模型”，其实就…

真得感谢 Unsloth、SGLang 这种开源佬。 模型厂把权重放出来，只是第一步。 后面这帮人孜孜不倦地做适配、写 Kernel、降显存、提速度、补工具、写教程，甚至连免费算力入口都给你铺好。 没有这些人，很多所谓“开源模型”，其实就只是 Hugging Face 上的一堆权重。 现在已经夸张到什么程度？ Qwen3.8-27B 这种 27B Dense，普通人都能自己微调了。 甚至显卡都不用买。 Unsloth 把 Notebook、教程、训练流程都做好，直接用 Kaggle 免费 GPU 就能开炼。 很多人可能会问： 27B Dense 不是很吃显存吗？为什么 24GB 都能训？ 因为这里不是 Full Fine-Tuning。 真把 27B 参数全部训练一遍，光 BF16 权重就 50GB+，再算 Gradient、Optimizer、Activation，几百 GB 显存很正常。 现在主要玩的是 LoRA / QLoRA。 LoRA：27B 底模冻住，只训练旁边一小部分低秩参数。 QLoRA：更狠，底模先压成 4-bit，再训练 LoRA。 再加上 Unsloth 继续狠狠干 Attention、Activation、Gradient Checkpointing 这些训练显存，最后把 27B 微调门槛狠狠干到一张消费卡，甚至免费云 GPU。 以前普通人玩开源： 下载权重 → 跑起来 → 聊两句。 现在已经可以： 做数据 → 微调 → Eval → 部署 → 做一个真正属于自己的模型。 未来每个企业都会有自己的模型。 当然不是每家公司都从头预训练一个 GPT。 而是拿 Qwen 这种强开源底模，把自己的 数据、Know-how、业务规则、工作流 炼进去。 基础模型已经会中文、数学、代码了。 关注我们公司这件事，到底应该怎么干。 大厂负责造模型。 开源社区负责把模型真正送到每个人手里。 现在连 GPU 都没有的人，都可以开始炼一个 27B 模型。 这才是开源真正牛逼的地方。 然后再看看这篇文章，讲的是开源 Agent 所需要的 OpenContext，卷不了大模型，我们就卷微调，卷 Agent。感谢这批开源佬。