参数规模指模型参数的数量级，通常以B（Billion，十亿）为单位。常见分类包括：小模型（<1B，如Qwen-0.5B）、中模型（1-10B，如Llama-3-8B）、大模型（10-100B，如Qwen-72B）、超大模型（>100B，如Llama-3-405B）。 参数规模与模型能力、训练成本、推理成本正相关。一般而言，参数越多能力越强，但边际收益递减。MoE架构的出现让"总参数"与"激活参数"分离，使大参数量模型的推理成本可控。 选型时需在能力、成本、延迟间权衡：边缘部署选小模型，通用助手选70B级，顶级能力选闭源大模型或405B级开源模型。参数规模是选型的起点，但非唯一标准。