打开一个大模型家族的主页，常看到一长串版本：1.5B、7B、32B，代码版、对话版、视觉版，挑花眼。结论先行：先按任务定版本类型，再按硬件定尺寸，最后用自有样本验收，顺序别反。
第一维：尺寸梯度决定能力下限
同一家族的小版本参数少、知识少、推理浅，但快且便宜，适合分类、抽取、简单问答；大版本知识面广、推理深，适合多步任务与复杂写作。经验规律是：任务每多一层复杂度，就往上一档尺寸试，别指望小模型硬扛大任务。7B 档在多数日常任务上已可用，30B 以上才明显拉开复杂推理差距，具体分界以官方评测为准。
尺寸的选择还受部署形态约束：本地单卡跑，7B 配中档量化是舒适区；调 API 的话尺寸由服务商定，用户挑的是型号和档位，硬件账换成了账单。两条路线下「尺寸」的含义不同，别把本地经验直接搬到 API 选型上。
第二维：专用版与通用版各管一摊
代码版在程序语料上加过训练，补全、调试、解释代码更顺手，日常聊天反而可能变木讷；对话版做过指令对齐，聊天体验好，直接喂纯文本任务不如基座版顺手。通义千问、文心一言的家族都按这套逻辑分版。选版前先想清楚主要任务是什么，别被「越大越全能」的直觉带偏。
三个版本各管一摊，顺手和吃亏的地方对得上。
| 版本 | 训练侧重 | 顺手的事 | 容易吃亏的地方 |
|---|---|---|---|
| 代码版 | 在程序语料上加过训练 | 补全、调试、解释代码 | 日常聊天反而可能变木讷 |
| 对话版 | 做过指令对齐 | 聊天体验好 | 直接喂纯文本任务不如基座版顺手 |
| 基座版 | 没做指令对齐的那一版 | 纯文本任务更顺手 | 聊天体验不如对话版 |
第三维：版本命名里的坑
同一家族版本号密集更新，base、chat、instruct、preview 各指不同训练阶段，日期后缀区分快照，不小心就下错。下载前核对三件事：训练到哪一步、上下文多长、许可证允不允许商用。ModelScope、魔搭社区的模型页把这几项列得很清楚，下载页看不明白时，直接看随附的模型卡。
还要留意训练数据的截止时间。家族里每个版本的知识截止日不同，问最新事件时，旧版本可能一脸茫然。模型卡里通常会写这个日期，选版时对着自己的业务时间线核一遍，能避免很多「它怎么这都不知道」的困惑。
挑选顺序自查清单
- 第一步：写下主任务，一句话说清要模型干什么
- 第二步：按任务类型选版本族，代码或对话或通用
- 第三步：按显存选尺寸，先小后大，逐档上测
- 第四步：用自有样本验收，指标说话再定版
先小后大的实测路径
稳妥的挑法是梯度上测：从能装进显存的最小档开始，跑自有样本，记录准确率与速度；不达标再升一档，直到收益变薄。这样既能避开小模型硬扛大任务的尴尬，也不会一上来就为大版本的闲置容量买单。基座模型和聊天模型怎么选那篇讲的版本分工，是这一步的理论底子；领域特化和通用模型差在哪那篇讲的知识密度，则解释了大版本贵在哪。
最后提醒一句版本节奏：家族迭代快，今天的选型结论可能半年后过期。务实的做法是把选型流程固化下来——任务描述、样本集、验收线写成文档，每次出新版本按同一套流程重跑一遍，而不是每次凭感觉重新挑。流程比结论更经得起时间。
聊聊模型变体挑选的常见疑问
- 新版本一定更好吗？：不一定，新版常伴随能力重分配，旧版在特定任务上可能更稳，验收比追新重要。
- 代码版能写文章吗？：能，但行文习惯偏技术风，创意写作场景优先对话版或通用版，参考推理模型和普通模型差在哪那篇的任务匹配思路。
- 尺寸越大延迟一定越高吗？：多数情况是，但量化档位和推理优化能显著改写这条曲线，具体见Q4 和 Q8 量化版差多少那篇的账。
收束一句：任务定类型，硬件定尺寸，样本定版本，三步走完不踩坑。
