参数规模

换成大白话

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。

它通常在什么场景出现

这个术语常见于模型选择、训练与微调、推理与部署、评测或产品功能说明等场景；当你遇到“参数规模”时，多半是在讨论模型行为、处理方式或指标口径。

具体出现在哪类场景，可以用下方“跨库查找”搜索包含该概念的模型、训练、评测或产品资料。

容易混淆的地方

不要把“参数规模”理解成模型本身的能力或在某个榜单上的具体名次；它更多是描述一种机制、一种处理方式或一个指标口径，而不是模型实力的绝对结论。