一句话直答：用几百 MB 到几十 GB 的自有文本，一次 LoRA 训练就能让模型写出你的语气，成本低到可以忽略——视频里的实算是 640 万 token、$2.56、7 分钟，这条属实。但整套教程有三处硬伤：他把「训练 loss 降、验证 loss 升」当成训练成功的证据并部署了最后一轮权重，而 Nebius 自己的文档把这条曲线写作过拟合警告；他用 11 个 epoch 训练，官方教程用 3 个、社区推荐 1–3 个；以及视频预言「ChatGPT 和 Claude 这类平台迟早会把微调内置」，实际走的是反方向——OpenAI 自 2026 年 5 月起逐级关闭自助微调，2027 年 1 月 6 日连老客户也不能再建新任务。
视频来源是 Matt Wolfe 频道的 LoRA 微调分步教程（28 分 20 秒，2025 年录制）。核查立场：平台能力与价格对官方文档和官方定价页，训练方法对 LoRA 原文与 Nebius、Unsloth 的参数指南，平台走向对各家官方弃用与发布说明。视频录制与本篇核查之间隔了一年多，凡已经变了的，一律以现在的官方页面为准，并标出变化点。
| 视频主张 | 核查结论 | 依据 |
|---|---|---|
| 8B 模型、640 万 token，训练一次花 $2.56、耗时 7 分钟 | ✅ 有证据 | 6.403 × $0.40 = $2.56，账自洽 |
| 微调学语气，RAG 给事实，两件事分工不同 | ✅ 有证据 | 方向正确，但这是教学类比不是定理 |
| 训练 loss 降、验证 loss 升，说明训练做对了 | 🔴 与主流相悖 | Nebius 官方把这条列为过拟合信号 |
| 11 个 epoch 是合适的训练量 | ⚠️ 存疑 | 官方默认 3，社区推荐 1–3 |
| 验证集是给模型自查用的 | ❌ 错 | 不参与训练，只用来算验证 loss |
| prompt 是让模型从成稿反推出来的，质量可控 | ⚠️ 部分支持 | 可行但分布会偏，视频自己也踩了坑 |
| 部署微调后的模型几乎不花钱 | ⚠️ 部分支持 | 训练是一次性，推理仍按量计费 |
| ChatGPT、Claude、Gemini 迟早把微调内置 | 🔴 与主流相悖 | OpenAI 自助微调正在关闭，不是内置 |
| X 的数据导出要等 24 小时，长推文拿不到全文 | ⚠️ 部分支持 | 官方确认非即时，未写时长；长贴文上限 2.5 万字 |
下面按原视频的操作顺序复盘一遍，把该改的地方标出来。你如果只是想找个能出活的口吻模型而不打算自己开训练机，先看同一套订阅怎么把额度用满那篇，省下来的钱够训二十次；确实要训的，再往下走。
🧾 钱是怎么花出去的：$2.56 这笔账可以复算
视频用的是 Nebius Token Factory，选了 Llama 3.1 8B Instruct 当底座，界面上的训练单价是每百万 token $0.40。他喂进去 640.3 万 token，按屏幕上的时间戳，17:19 开始、17:26 结束，7 分钟训完，账单 $2.56。乘一下就知道这笔账没有水分：6.403 × 0.40 = 2.5612，四舍五入正好对上。
同一个人用 Llama 3.3 70B 训自己的 YouTube 转录，喂了将近 2700 万 token，屏幕上是 $75。27 × 2.80 = 75.60，也对得上。两次的成本差 29.5 倍，可以拆成两个因子看：token 量差 4.2 倍（27M ÷ 6.403M），单价差 7 倍（$2.80 ÷ $0.40），4.2 × 7 = 29.4，对得上。
单价 7 倍这件事本身值得看一眼。70B 和 8B 的参数规模差 8.75 倍，训练单价只差 7 倍，说明这家的定价没有严格按参数量线性走。想省钱的直接结论是：短文本（推文、标题、摘要）用 8B，长文（脚本、博客、口播稿）再上 70B，混着用就是视频里的做法，本身没问题。
要提醒一句的是，这两组价格是视频录制时的截图。我去查 Token Factory 的现行价目页，那个链接现在直接返回 404，官方文档里也没有一张公开的训练单价表，所以本文不重复引用具体数字当作现价，下单前以结算页为准。真正稳定的只有两个乘数关系：单价差 7 倍、成本 ≈ token 量 × 单价。
🔴 最要紧的一处：那条曲线是过拟合信号，不是成功信号
视频里原话是：训练 loss 每个 epoch 都在降、验证 loss 每个 epoch 都在升，「所以，完美（perfect）」。然后他点了 epoch 11 的权重去部署。
这条要反过来。Nebius 自己的训练方法博客在「过拟合的征兆」一节写得很直接：训练 loss 持续下降、验证 loss 在触底后回升，这是过拟合。同一篇在「监控训练过程」一节又列了一遍警告信号，第一条还是它——验证 loss 上升同时训练 loss 下降，过拟合。配套的做法叫早停：盯住验证指标，指标不再改善就停，并回到表现最好的那个检查点。
换句话说，视频里那条被他当成勋章的曲线，按平台自己的说明书读是警报。他挑的那轮——11，训练跑完的最后一轮——恰好是这条曲线上离最优点最远的位置。早停逻辑会停在验证 loss 最低的那个 epoch，然后恢复那个权重，不会把最后一轮发出去。
为什么会这样，说得直白点：训练集上背得越熟，模型对验证集这种没见过的数据就越容易乱猜，验证 loss 就往上走。视频那位作者训练 11 轮、批大小只有 8、数据集是合成 prompt 生成的几千条推文——这个体量下多跑几轮，记住训练集比学通风格要容易得多。
所以正确的读图顺序是：先看验证 loss 最低点在哪一轮，训练就停在那附近。 验证 loss 曲线是判据，训练 loss 只是背景参照。看完这条，视频这套流程里唯一可靠的经验是「7 分钟、2.56 美元」这个成本数据——它跟轮数无关，是真实且可复现的。
⚙️ 11 个 epoch 从哪来的：默认是 3，教程也是 3
视频把超参数一个个念出来：批大小 8、学习率倍数 0.00001、epoch 11、预热比例 0.03、权重衰减 0.001、最大梯度范数 1、packing 打开、LoRA rank 16、alpha 32、dropout 0.05。他自己说明，前四项之外的那几个数字「是照着某篇博客抄的，我照搬下来一直好用」。
拿官方 API 文档对一遍，会发现他填的多数就是平台默认值：批大小默认 8（可选 8 到 32）、学习率倍数默认 0.00001、预热比例默认 0、权重衰减默认 0、最大梯度范数默认 1、packing 默认开。LoRA 默认是关的（默认走全量微调），他是手动打开的。真正的自选参数只有三个：epoch 11、rank 16、alpha 32。
epoch 11 明显高于所有参考值。官方 API 文档写的是 n_epochs 取值 1 到 20、默认 3；Nebius 官方那篇 LoRA 实操博客为了省钱只训 3 轮；Unsloth 的参数指南更直接，建议 1–3 轮，并写明超过 3 轮收益递减、过拟合风险上升。11 落在官方允许的区间内，所以不会报错，但没有任何一份文档推荐这个数。
rank 16 配 alpha 32 是合理组合，两者一起决定注入强度。原始 LoRA 论文的更新公式里，这项调整按 alpha 除以 rank 缩放，rank 16 配 alpha 32 就是 2 倍注入，属于偏激进但社区常用的选择——Unsloth 的建议是 alpha 等于 rank（保守）或等于两倍 rank（加速），两条都认。视频没提这层关系，但数值本身没踩坑。
还有一个术语要理顺：平台里的字段叫「学习率倍数（learning_rate_multiplier）」，0.00001 是相对默认学习率的倍数，不是绝对学习率。所以拿它跟社区常说的 2e-4 直接比大小是比错了口径，两者不同量纲。视频照抄了默认值，没做错，但它也没有解释这个字段是什么意思——初学者最容易在这里卡住。
🧬 训练数据：合成 prompt 是整条链最脆的一环
视频的做法是把 X 的导出文件（tweets.js）丢给 ChatGPT，让它给每条推文反向生成一个「什么样的提问能写出这条推文」，再拼成训练平台要的 JSONL 格式。整套流程包括：解析推文、过滤转发和过短内容、为每条生成一句提问、切分数据集、输出指令格式的 JSONL。这套自动化本身能跑通，视频也给了可复现的提示词。
但这个设计有一个结构性缺陷，值得单独说。训练时的输入是事后造出来的，真实使用时的输入是人随手打的。两者分布不一样：合成提问措辞高度雷同，模型学到的是「怎么回答这种提问」，而不是「怎么理解一个真实需求」。视频后半段自己撞上了这个坑的另一面——他每一条生成的推文开头都带 @，把人 at 了一遍，排查后发现原因是导出的数据里回复远多于原创，模型学到了回复的习惯。他回到 ChatGPT 重新生成，指定只保留主时间线上的原创内容，才修好。
这是整段视频里最有价值的一段，因为它证明了微调学的是你数据里的习惯，不只是文风。你训练集里有什么毛病，模型就学什么毛病。而且你看不见的毛病也在学——他提到微调模型还写出了「谢谢 Wirestock 赞助」这种几年前才有的旧内容，因为那在训练数据里，不是模型在编。
关于验证集，视频的说法是「那 10% 是给 AI 模型自查的，看它给的答案离验证集里写的差多少」。前半句的机制描述不准确：验证集不参与权重更新，模型不会拿它「自查」，它只用来算验证 loss 和决定早停点。另外他原本要的是 90/10，实际拿到的文件是 80 训练 + 10 验证 + 10 完全留出，ChatGPT 在文件说明里写明了这点，他也承认了「跟我想的不一样，但应该影响不大」。影响确实不大，但训练数据比预期少两成，这一点他自己没往下追。
还有一条关于 X 数据导出的。视频说必须等 24 小时，官方帮助中心的流程是：进设置 → 验证身份 → 请求数据 → 收到邮件或推送后下载，官方没有写具体等待时长，所以「24 小时」是作者的个人经历，不是官方承诺。可以确认的是确实不能即时拿到。另外他说长推文在导出文件里只剩 140 到 280 字符——X 官方说明长贴文上限是 2.5 万字符，归档里另存了完整文本字段，他看到的应该是被截断的那个字段。X 没有公开 tweets.js 的字段级说明，这一条我按「未找到官方字段文档」处理，实际以你导出的文件内容为准。
💸 70B 那次花了 $75，值不值取决于你要写多少
视频用 70B 训 YouTube 转录那次，$75、2700 万 token、屏幕显示 $2.80 每百万。他自己的判断是「一次性的成本，想要一个像自己的模型，这是一次性开销」。这个判断成立，但有两个前提他没说。
第一，底座模型的生命周期会盖过微调结果。#144 那篇核查过一个类似案例：一个开源世界模型的主模型 14B 版本训练完就撤下了，底座一旦下线，挂在上面的微调权重跟着失效。这一条值得记住：微调产物是租来的，不是自己拥有的资产，账面上的一次性成本，换来的是一份和底座绑定的合约。
第二，训练是低频操作，推理才是长期成本。$2.56 买的是「学会你的语气」这一件事，不是每一次生成。真正常年花出去的是推理——部署后跑 playground 那条视频里也说了，推理费用和基础模型走同一套按量计费，只是「基本不多」而不是零。LoRA 适配器只训练一小部分权重（原始论文的核心贡献就是把可训练参数压到极小比例），省的是训练显存和训练钱，不省推理成本。
所以判断标准可以粗一点：如果你的任务大部分时间在写，写 8B 就够；如果你要的是长文连贯和术语稳定，再上 70B。这跟第 135 篇讲的配额逻辑是同一件事——先算清单位成本，再决定往上加不加档，别反过来。
🔁 一年后的今天：平台走向跟视频的预测相反
视频结尾预测：ChatGPT、Claude、Gemini 这些平台迟早会把微调内置进去，用户不必自己折腾。这句话在今天看来是反的。逐家说。
| 平台 | 自助微调现在什么状态 |
|---|---|
| OpenAI | 正在关闭。官方弃用页写明三步走：2026-05-07 起没训过的新组织不能建任务；2026-07-02 起近 60 天没在微调模型上做过推理的组织不能建任务；2027-01-06 起现有客户也不能再建新任务。已有微调模型的推理继续可用，直到底座下线。 |
| 还开着，但型号落后一代。Vertex AI 的有监督微调目前支持 Gemini 2.5 Pro、2.5 Flash、2.5 Flash-Lite；3.x 系列尚未开放，社区里 2026 年下半年仍有人在问时间表。 | |
| Anthropic | 我没在官方平台文档里找到面向公众的自助微调入口文档。可微调的路径是走云厂商合作（AWS 侧的技术中心），不是自己点几下就能跑。 |
| Nebius / 开源托管 | 视频走的就是这条路，公开文档齐全，支持 LoRA 与全量微调两种，一键部署留在同一平台。本篇的每个参数数字都来自这套文档。 |
OpenAI 那三条时间点值得抄下来，因为它决定了你现在还能不能开工：如果你从没建过微调任务，现在开始已经来不及进第一批了；如果你是老客户，窗口是 2027 年 1 月 6 日。这不是技术判断，是商业判断——大厂把定制能力收进企业合同，自助通道让给托管平台和开源社区。对个人用户来说，反倒不是坏消息：视频里这条路走的人更多了。
还有个更朴素的变化：现在的大模型在「听语气」这件事上，本身就比视频录制时强得多。用一份几十 MB 的材料配好提示词就能拿到接近的效果，那种微调需求不像以前那么刚。这条属于我的判断，不是官方结论，标在这里供你自己核。
🧭 该不该自己训：三个前置问题
视频的方法确实能work，但有门槛。按顺序问自己三个问题。
第一，你的语料够不够干净？训练集里有什么毛病，模型就学什么毛病——视频里那个「每条都 @ 人」的例子就是证据。如果你的历史推文里一半是转发、很多是三分钟随手发的碎片，那么训出来的就是碎片风格。先看数据再决定练不练，比训完再调省事。
第二，底座还在吗？你训的是一个租来的模型。#144 那篇的世界模型案例说明，主模型被撤下时，挂在上面的定制一并失效。选底座时先看它的生命周期公告，别只看今天的价格。
第三，训练曲线你会读吗？如果你不知道验证 loss 最低点在哪，你的训练大概率白跑一次——多花的时间和钱，恰好是这次最贵的学费。视频的整段实操里最该改的一步就是这里。
三个都是「是」，就照视频的流程走一遍，把 epoch 从 11 改成 3 起跑，盯住验证 loss 的最低点在那停下。三个里有一个「不是」，先去 #130 那篇把模型塞进手机离线跑那套玩法摸一遍，成本低得多。
信息整理自公开视频与官方文档。工具能力、价格与政策以各平台官方页面为准，本篇的每一处时间点都取自官方页面在核查当日的表述，结算页与最新公告优先级更高。本文不涉及任何投资建议；训练数据的整理与合规由你自己负责。
📚 出处
- OpenAI API 弃用与弃用时间表页（自助微调三步关闭时间点，2026-05-07 / 2026-07-02 / 2027-01-06）：platform.openai.com/docs/deprecations
- Google Cloud 文档《About supervised fine-tuning for Gemini models》（当前支持型号与限制）：docs.cloud.google.com
- Nebius Token Factory 微调文档（超参字段、取值范围与默认值）：docs.tokenfactory.nebius.com/fine-tuning/how-to-fine-tune
- Nebius 博客《How many epochs are enough to train your model》（训练/验证 loss 背离即过拟合，早停与检查点恢复）：nebius.com/blog/posts/factors-influencing-epoch-count
- Unsloth 文档《LoRA fine-tuning Hyperparameters Guide》（1–3 轮建议、alpha 与 rank 的关系、学习率区间）：unsloth.ai
- Hu 等，LoRA: Low-Rank Adaptation of Large Language Models，arXiv:2106.09685：arxiv.org/abs/2106.09685
- X 帮助中心《How to download your X archive》（下载流程与身份验证）与《About different types of Posts》（长贴文 2.5 万字符上限）
- 视频来源：Matt Wolfe 频道《How To Fine-Tune A Large Language Model (Step-By-Step)》，28 分 20 秒，2025 年录制