一张蒸馏报价单写着数据生成、模型训练和部署，老板仍然可能看不懂项目会做到哪一步。报价低不一定代表项目划算，报价高也不一定代表范围完整。先把每一项工作的输入、输出和验收方式问清楚，才能判断数字是否可比。
本文讨论教师回答驱动的输出数据蒸馏。若供应商采用logits、软标签或中间表示路线，所需模型权限和工程工作会不同。
数据一栏要问清来源和合格标准
“数据生成”可能只代表调用教师模型，也可能包含样本整理、脱敏、去重、格式转换、规则检查和人工复核。两种报价的工作量差别很大。老板应要求报价写清输入由谁提供，哪些样本会被排除，合格数据怎样定义。
如果使用企业历史日志，还要确认谁负责授权审查和敏感信息处理。若教师回答需要领域专家验收，专家时间也应该计入。数据版本和拒绝原因没有记录，后期无法解释训练效果，也无法稳定更新。
报价还应说明数据能否带走，以及交付格式是什么。企业只能拿到最终模型，拿不到整理后的数据、质量规则和版本记录，下一次更新仍然依赖原服务方。若合同或授权限制数据交付，也应在项目开始前说明，不能等模型训练完成后才讨论。
有些方案写了固定数据条数，却没有说明样本覆盖。大量相似问题容易生成，长尾和严重错误更耗费审核时间。企业要看任务类型、边界输入和拒绝样本，避免为一批数量达标但覆盖不足的数据付费。
训练一栏要问实验次数
报价写“一次训练”时，企业要确认是否包含配置调整和失败重跑。学生基础模型、数据版本、硬件和训练方法可能需要比较。显存不足、依赖冲突和数据格式错误也会产生额外工程工作。
训练结果要有配置和日志。只交模型文件，企业无法复现。若报价不包含训练脚本、配置和版本说明，后续维护很可能还要重新购买服务。
还要问算力由谁提供。企业提供硬件，需要确认环境搭建和空置时间。服务方提供算力，需要说明费用是否包含在总价、失败任务怎样计算。训练周期也不能只写开始和结束日期，应包含数据等待、重跑和结果评审。
学生模型的授权和基础模型许可同样要核对。哪些用途允许，能否在目标环境部署，是否有模型分发限制，都可能影响项目。服务方可以提供技术材料，最终商业和法律判断仍需企业自行审查。
验收一栏要问业务是否参与
平均分和几条成功演示不能完成验收。企业需要独立测试集、历史失败样本和严重错误清单。业务人员应参与确认哪些错误可以接受，哪些请求必须回退。
生成任务还可能涉及人工评审。评审标准、抽样范围和分歧处理方式都应写进交付。没有这些内容，供应商和业务部门对“效果达标”的理解可能完全不同。
报价单应标明基线。学生模型究竟与当前大模型、原有小模型还是人工流程比较，结论会不同。没有基线，供应商只展示训练后的分数，企业无法判断投入带来了多少改善。
评测失败后怎样处理也要写清。是增加一轮数据修订，调整训练配置，缩小任务范围，还是直接停止项目。若每次修改都另行报价，企业需要预留试错预算。若包含在服务中，也要限定轮次和范围。
部署一栏要问上线以后谁负责
部署不只是把模型文件复制到服务器。还包括推理框架、硬件、上下文、并发、监控、日志和回退。目标环境不同，实测结果也会不同。企业应要求报价写明测试环境和性能口径。
上线后数据分布会变化，业务规则也会更新。谁监控、谁决定重训、谁维护评测集、谁处理严重错误，都要提前写清。没有维护安排，低价报价可能只是把成本推迟。
部署还可能涉及现有系统改造。业务需要增加路由字段，日志系统需要记录模型版本，人工工作台要显示回退原因。模型服务本身能运行，只能证明一个环节完成。周边系统工作由谁负责，报价应明确。
服务等级、敏感数据和特殊合规要求也会影响成本。公开文章不能替企业作合同判断。采购方应根据自己的系统重要性，核对故障响应、数据处理、访问权限和退出交接，而不是从一段产品介绍推断保障范围。
147AI可以依据企业任务承接从数据准备到训练、评测和部署的完整蒸馏服务。企业看报价时，仍应逐项核对服务范围和责任边界，不能把平台服务概括成无条件的效果保证。
一张报价单怎样才可比较
至少要有任务范围、数据来源、有效样本口径、教师调用、人工复核、训练实验、独立评测、目标环境、上线回退和后续维护。每项都要注明包含什么，不包含什么。
项目最好分阶段报价。需求评估和小试点先完成，证据达到内部标准后再批准扩大。老板不需要在第一天买下所有工作，只需要先买一份能够支持下一步判断的交付。
比较几份报价时，可以把项目拆成同样的阶段和字段，再逐格填写。空白格往往比总价更有信息。它告诉企业某项工作由内部承担、暂未定义，或者根本不在方案范围内。
