AI 提效
第 4 课：模型、产品和部署方式：不要把它们混为一谈
分清底层模型、面向用户的产品，以及开源、开放权重、闭源、云端和本地部署。
这一节要解决什么问题
模型是完成语言、图像或预测任务的底层能力；产品则把模型包装成界面、文件处理、权限、记忆、搜索、审核和客服等体验。一个聊天产品可能更换模型，多个产品也可能调用同一模型。因此评价工具时，既要问“模型能做什么”，也要问“数据去哪儿、结果怎样保存、谁能访问”。
几个容易混淆的标签
闭源通常表示外部无法取得模型权重或完整训练细节。开放权重表示可取得已训练参数，但不必然允许任意商用、再训练或再发布。开源的含义还涉及代码、许可证和修改权，不能只看宣传语。使用前应读该版本的官方许可，而不是假定“可下载就自由”。
云端服务把计算放在服务商服务器，启动方便、模型更新快，但要评估网络、账户、数据处理与持续费用。本地部署让模型在自己的设备或受控环境运行，数据路径更可控，却仍需考虑下载来源、设备性能、更新、安全和运维。它不是天然更安全，也不是天然免费。
选择时先问问题
个人草拟公开文案和处理未公开客户资料，风险不同；临时体验与长期工作流，成本不同；离线场景与多人协作，部署不同。先写清任务、数据敏感度、输出质量和责任人，再比较产品。不要因为某个模型榜单领先，就跳过这些条件。
本节小结
模型是能力部件，产品是使用系统，部署是运行位置。三层同时决定实际体验和风险。