思考：从普通用户的角度而言，大模型选择的初步考量

• 模型的功能和用途，是否满足做自己的需求？
• 采用 CPU，还是 GPU 来运行模型：速度与烧钱成正相关。有些模型运行工具，只有 GPU 版本。
• 模型的参数：同一模型，在相同量化的情况下，一般而言，B值越大，也就是参数越多，推理的精确度越高。
• 算力：B值越大，对电脑硬件的性能要求越高。现有电脑的性能是否满足？
• 最好的，未必是最适合的：有的模型，只给出典型的和最多的 B值模型，毕竟模型训练调参很是烧钱的。这类模型的最小 B 值可能都会超出自己现有电脑的硬件能力，导致即使可以安装，与会慢得像蜗牛。
• 安全与保密：在不需要保密时，直接采用模型提供商的公开产品。但需要保密时，则可能必须采用私有化部署了。
• 在私有化部署时，需要考虑：模型与运行模型工具之间的相互配合。cli ? gui ?
• 直接采用各大 AIGC 提供商的云端 AI 产品，会省时省力。但有时需要考虑保密，以及自由无限制的问题？
• 进行模型训练时，需要考虑性能稳定可靠的 GPU算力提供商。否则，可能运行到快要完成的时候，机器就挂掉了；这意味着，可能时间和金钱都浪费了？
• 大模型只是一个具有输入和输出的黑盒子？还需要：工作流？智能体（AI agent）？
• 其他，例外？