横向对比 4 个决策模型榜单：5B 以下微调比底座更重要

Balance- · reddit · 2026-11-04

作者为自建服务器挑选「决策模型」（System One 类），汇总 System One Bench、Artificial Analysis Decision Index、AIM System One Index 和一个 100 模型 Borda 榜的数据后得出：

5B 以下微调比底座更关键：同底座模型分差可达 22 分，KnowLine 在同一 4B 权重上从 Gen2 的 70 分升至 Gen5.5 的 80 分。
甜点区约 4–9B：KnowLine 4B Gen5.5、D3 Mini 和 D3 Flash（8B）能超过半数 27B 微调版。
1B 以下看语言：英语还行，阿拉伯语掉 16–22 分，多语言需求建议 2B 起步。
校准能力小模型也能保住：Decider Flash V1.2（4.5B）校准误差仅 1.8%，但部分 1B 以下模型误差达 10–20%，别拿它们的概率当阈值。
别信单一榜首：两榜单相关性仅 ρ=0.33，小模型排名波动最大（Tev1 4B 在 AIM 排第 2、别处垫底）。
GGUF 版本下载量是原版的 3–10 倍，说明本地部署者不少。

「模型」频道最新