想让大模型学会新风格或新领域，常见两条路：把全量权重翻一遍，或在原模型上挂一个几十兆的 LoRA 文件。结论先行：风格适配、轻量定制、多版本并行，选 LoRA 文件；数据充足、改动巨大、预算到位，再考虑全量微调。
差异一：改动幅度与资源消耗
全量微调动的是所有权重，一次训练要吃下梯度、优化器状态、激活值，显存开销是训练界的重体力活。LoRA 冻结原权重，只训两个瘦矩阵，显存和耗时都降到零头。低秩分解是怎么省参数的那篇讲过背后的算术：参数量从 d 平方降到 2dr，这就是轻量的来源。一张卡跑得动 LoRA，全量微调常要一个集群。
差异二：一个基座，多个补丁
LoRA 文件体积小、可命名、可插拔：一个基座挂十个风格补丁，用时加载哪个就是哪个，切换只需换文件。全量微调的产物是一整套新权重，每套都占几十 GB，存十个版本就是十份完整模型。DeepSeek、ModelScope 的社区生态里，同一基座挂十几个 LoRA 的玩法能流行，靠的就是这套存储经济性。
存储经济性还带来一个团队协作的好处：风格补丁可以当代码管。命名、版本号、变更记录一套走下来，谁改的、改了什么、效果如何，都能回溯；全量模型只能靠快照命名，时间一长连自己都分不清哪个是哪个。
差异三：能力上限与适用阶段
LoRA 改风格、改格式、注入轻量知识很拿手，改动认知、重塑推理能力则力不从心——秩太小装不下，秩大了又逼近全量的成本。数据充足、目标明确、要动「底层认知」时，全量微调仍不可替代。实践中的常见路径是：先用 LoRA 快速试出效果，验证有价值再决定要不要转全量，参考蒸馏时老师的哪些答案值得学那篇的数据挑选思路，两个阶段都要把教材质量守住。
成本结构上还有个中间项容易被忽略：训练数据的准备。LoRA 需要的样本量通常比全量少一个量级，几千条高质量对话就能起步；全量微调动辄要几十万条，还得防脏数据。样本从哪来、怎么洗，往往是比选路线更早要回答的问题。
两条路的账可以按五个维度对齐，一栏一栏看。
| 对比维度 | LoRA 文件 | 全量微调 |
|---|---|---|
| 改动范围 | 冻结原权重，只训两个瘦矩阵，参数量从 d 平方降到 2dr | 动所有权重，一次训练要吃下梯度、优化器状态、激活值 |
| 硬件门槛 | 一张卡跑得动 | 常要一个集群 |
| 多版本存放 | 一个基座挂十个补丁，切换只需换文件 | 每套占几十 GB，存十个版本就是十份完整模型 |
| 能力上限 | 改风格格式、注入轻量知识拿手，改认知与重塑推理力不从心 | 数据充足、目标明确、要动底层认知时不可替代 |
| 起步样本量 | 几千条高质量对话就能起步 | 动辄几十万条，还得防脏数据 |
配合方式速查表
- 风格、口吻、格式定制：LoRA 优先
- 一个基座服务多场景：多 LoRA 并行
- 注入大量新知识、改推理能力：考虑全量
- 推理时合并 LoRA 回原矩阵，不增加延迟
配套使用时的两个细节
一是合并与分存的选择：LoRA 可以合并进基座得到单一权重文件，也可以分开存放推理时加载，前者部署简单，后者便于复用同一基座。二是版本对齐：LoRA 是贴着某一版基座的矩阵形状训练的，基座升级后旧补丁可能失效，升级前先验证。自部署权重和调 API 怎么选那篇讲的自托管前提，在这里再次生效——挂补丁的前提是权重在自己手里。
还有一条训练经验：LoRA 的学习率通常比全量微调高一个量级，因为可训练的参数少，步子大一点才推得动；直接套用全量微调的学习率，往往训了半天没动静。具体数值以框架文档和实验为准，先小跑一轮看损失曲线再定。
关于LoRA文件的三个常问问题
- 多个 LoRA 能同时挂吗？：技术上可以叠加多个适配增量，但效果不是线性相加，互相干扰常见，多补丁场景建议分别挂载测试后再定组合。
- LoRA 会让推理变慢吗？：合并回基座后不会，推理时就是一次普通矩阵运算；分存加载时多一点读取开销，可以忽略。
- 什么时候必须上全量？：LoRA 加大秩也装不下目标能力，或训练数据量级足够大时，参考模型家族的变体怎么挑那篇的规模判断。
收束一句：轻定制挂补丁，重改造动全量，先试轻的再决定要不要重的。
