模型蒸馏2026：用真实工具从大模型训练小模型

70B的教师模型带出7B的学生模型还能保留大部分质量——这就是蒸馏，也是公司推出廉价模型的方式。用开源工具到底怎么操作？

💡 你将学到

70B的教师模型带出7B的学生模型还能保留大部分质量——这就是蒸馏，也是公司推出廉价模型的方式。用开源工具到底怎么操作？

蒸馏一句话：用大教师模型的输出（包括置信度分布）当训练信号，训练小学生学习教师的推理捷径，但不继承教师的体积。2026年它是AI的经济层：DeepSeek把R1的推理蒸馏进1.5B-70B的变体跑在普通硬件上，各大实验室都在旗舰旁边发蒸馏版。对团队来说，蒸馏的7B在多数任务上胜过从零训练的7B，成本只是跑70B的零头。两种做法：离线蒸馏（教师跑一次数据集存输出，学生离线训练，简单一次性成本）和在线蒸馏（训练中教师打分，对齐更好但更贵）。开源栈：教师输出用任意强模型API或本地DeepSeek-R1（9.2万星），数据用datasets（2.2万星），训练用transformers加TRL（1.9万星），加速用Unsloth（7万星）或PEFT（2.2万星）。标准配方：取1万-10万条高质量提示，教师跑出答案（带推理痕迹更好），过滤掉不过质量检查的，SFT训练学生，留出集对比迭代。失败模式：不过滤就模仿垃圾（过滤是最高杠杆步骤）；学生容量错配；追榜单不追用例。诚实预期：好蒸馏学生保留教师85-95%质量，推理成本降5-20倍。