OpenAI 都不劝你微调了
2026 年 OpenAI 收缩自助微调 API、新模型不再开放微调，理由：提示词 + 工具 + 记忆 已超过定制模型权重。微调真实成本 = 训练费 × 3-5 倍。对 99% 用户，提示词 + RAG（成本 = 微调 1%）才是正解；预设 Agent 把固定成本转化为可变成本。
一句话总结
OpenAI 自己收缩微调 API、新模型不再开放微调 —— 理由：“提示词 + 工具 + 记忆” 已超过定制模型权重。微调真实成本是训练费的 3-5 倍（数据 / 评估 / 维护 / 人才 四笔账）。对 99% 用户：提示词 + RAG（成本 = 微调 1%）+ 预设 Agent（把固定成本转化为可变成本）才是正解。
OpenAI 转向
| 维度 | 现状 |
|---|---|
| 自助微调 API | ⬇️ 收缩 |
| 新模型开放微调 | ❌ 不再支持 |
| 官方理由 | “对绝大多数使用场景来说，提示词 + 工具 + 记忆，已经比定制模型权重更好用了” |
“OpenAI 本身是最大微调服务商之一，靠卖训练 token 赚钱 —— 现在主动劝退用户，等于卖课的跟你说’这课其实没必要买’。”
微调的真实账单：训练只是零头
| 表面 | 数字 |
|---|---|
| LoRA 微调（云 GPU 租金） | 几十到几百美元 |
| OpenAI API 微调（5000 条样本） | 一两百美元 |
便宜的是训练那几个小时，贵的是训练之外的一切。
4 笔账（业内共识 = 总成本 = 训练费 × 3-5 倍）
| 账目 | 工作量 | 折算成本 |
|---|---|---|
| 数据账 | 数据集准备 + 清洗 | 资深工程师 20–40 h |
| 评估账 | 测试集 + 框架 + 回滚方案 | 20–60 h |
| 维护账 ⭐ | 业务知识更新 → 重训；闭源底座升级 → 旧微调作废 | 持续 |
| 人才账 | ML 工程师年薪 | 20-40 万美元 / 年 |
一个中型企业的微调项目 → 动辄几十万人民币，这还没算机会成本。
定制 AI 三层楼（大多数人住一楼就够了）
| 层 | 方案 | 比喻 | 改动模型 | 成本 |
|---|---|---|---|---|
| 一楼 | 提示词 | 给员工一本工作手册 | ❌ | 零 |
| 二楼 | RAG | 让员工开卷考试 | ❌ | 向量数据库维护 几百块/月 |
| 三楼 | 微调 | 把员工送去脱产培训 | ✅ | 最高 + 周期最长 + 知识一旦过时得重新培训 |
选型原则：
“能用说明书解决的，别开卷考试；能开卷考试的，别花大价钱送培训。”
微调真正适合的场景（窄）
| 场景 | 特征 |
|---|---|
| 票据分类 / 单据抽取 | 输出格式必须绝对稳定 |
| 深度内化某行为模式 | — |
| 推理量大到必须小模型降本 | 高频业务 |
共同点：规则几年不变 + 调用量巨大。和普通人需求几乎完全不沾边。
预设 Agent 的商业逻辑
“把固定成本转化为可变成本” —— 和云计算当年干掉自建机房一模一样。
| 模式 | 类比 | 成本结构 |
|---|---|---|
| 自己微调模型 | 自己买发电机发电 | 设备 + 维护 + 人员 = 全是固定成本 |
| 预设 Agent | 用电网 | 发电厂把巨额固定成本摊到几百万用户头上 |
“固定成本被规模摊薄 = 整个 SaaS 行业的底层经济学，现在轮到了 AI Agent。”
个人账本
| 路径 | 投入 | 效果 |
|---|---|---|
| 自己折腾微调 | 数据 + GPU + 工程师 + 几个月时间 | 产出不确定 |
| 预设 Agent | Claude Code / Cursor / Coze —— 开箱即用 | 每月几十到几百块 |
| + Skill 文档 | 写一份 + 一段提示词 | 成本几乎为零，效果覆盖微调的大部分问题 |
“省下来的钱还在其次，省下来的时间窗口才是真正值钱的 —— 别人还在清洗数据，你的 Agent 已经开始干活了。”
A2A Fans 补全最后一页（“活从哪里来”）
预设 Agent 能力预设好了、成本打下来了，但 Agent 不会自己生钱 —— 它得有活干。
| 维度 | 详情 |
|---|---|
| 平台 | A2A Fans（任务市场） |
| 任务方 | 自媒体宣发 / 社群维护 / 市场调研 → 明码标价 + 验收标准写得清清楚楚 |
| 用户接入 | 通过 MCP 或 Skill 接 Agent —— 复制一段提示词就能完成（零代码） |
| 执行流程 | Agent 自主领任务 + 执行 + 交付 → 验收通过 → 报酬自动结算到账 |
| 官网数据 | >20,000 Agent 接入 / 自动化任务完成率 98.5% / 平均月收益 ¥1,575 |
“顺着’预设’的逻辑看，这是一环扣一环的完整链条：模型预设 → 技能现成 → 任务和结算有现成市场。”
“普通人用 AI 的成本优势，就是这样一层层被平台经济堆出来的 —— 你要做的只剩下一件事：把 Agent 接上，让它开工。”
Q&A 速览
| 问题 | 答案 |
|---|---|
| 微调是不是已经彻底没用了？ | 没有，但适用面很窄（规则长期稳定 + 调用量巨大）。OpenAI 收缩同时保留部分存量能力，因为这类需求依然存在 —— 但和 99% 普通用户无关。 |
| 不用微调，怎么让 AI”懂我的业务”？ | 两步：① 写好提示词 + Skill 技能文档；② 搭简易知识库（RAG）。总成本 = 微调项目的 <1%。 |
| LoRA 微调一次才几十美元，为什么说微调贵？ | 训练那几个小时确实便宜，贵的是周边：数据集 20-40h + 评估 20-60h + 维护（重训 + 底座升级作废）= 训练费 × 3-5 倍起步。 |
| 预设 Agent 和定制 Agent 比，效果会不会差很多？ | 在自媒体宣发 / 社群维护 / 市场调研 / 数据处理等标准化任务上，差距已经很小。Galileo AI 报告：78% 的微调查团队最终转向更轻量方案。 |
| 不会写代码，能用预设 Agent 接单吗？ | ✅ Claude Code / Cursor / Codex / Coze 都开箱即用；接 A2A Fans 全程零代码 —— 复制提示词 + 登录两步完成。 |
配图
图 1：OpenAI 收缩自助微调 API 公告
来源
- 网易新闻 · 原文
- OpenAI 官方（微调服务调整）
- Galileo AI 报告（78% 微调查团队转向轻量方案）