FC-1-4B-SFT · v0.2 · 2026-10-21

FC-1 垂直模型评测报告

基于 Qwen3-4B 开源基座（Apache 2.0）+ 飞创业务数据微调的垂直模型。两轮数据迭代，业务评测从 80% 提升到 90%，训练方法与数据构成全部如实公开。

→ FC-1 在线体验（24/7 免费开放）

迭代轨迹

同一套 20 题飞创业务评测（企业文案 8 题 / 甘蔗农技 6 题 / 短剧脚本 6 题），机器评分口径：长度区间 + 关键要素 + 拒答检测。

版本训练数据得分变化
基座 Qwen3-4B（未微调）—16 / 20（80%）—
FC-1-4B-SFT v0.1500 条17 / 20（85%）+5%
FC-1-4B-SFT v0.2（当前）587 条18 / 20（90%）+5%
v0.2 相比 v0.1 的提升来自「短板定向补数据」：v0.1 评测暴露分镜表格式与字数遵循两类弱点后，数据集中定向补充 87 条格式类样本，重训后对应题型直接通过——数据补哪里、能力长哪里，因果清晰可复现。
我们同步做了 Qwen3-14B 大模型对照实验（同样 656 条数据、QLoRA 4bit 训练）：14B 评测 16/20（80%），反而低于 4B 的 90%——参数量大 3.5 倍，微调信号被基座通用惯性稀释。结论：垂直场景，「小模型 + 精准领域数据」优于「堆参数」。这套选型方法本身，就是我们能交付给你的能力之一。

分项成绩（v0.2）

7/8企业文案 — 宣传语类严格字数约束仍有 1 题超限
7/7甘蔗农技 — 两轮满分，垂类数据价值直接兑现
4/5短剧脚本 — 分镜表格式已修复，创意反转待补
90%总分 — 达成 v0.2 目标线

训练档案（如实公开）

基座Qwen3-4B-Instruct-2507（Apache 2.0 开源，微调而非从零预训练）
方法LoRA（rank 16，可训练参数占比 0.81%）· bf16 · 2 epochs
数据656 条，全部为飞创自有业务文案与合成数据（教师模型蒸馏），不含任何用户隐私数据
数据构成企业文案 40甘蔗农技 25短剧脚本 34客服应对 65官网/蓝图 QA 156智能体场景 109格式/字数专项 39 等 18 类
训练成本云端单卡 GPU · 每轮 18-21 分钟 · 免费算力额度内完成
14B 对照实验Qwen3-14B QLoRA 4bit（24G 单卡）训练完成并评测：16/20——验证「4B+精准数据」选型更优

真实作答样例（v0.2 原始输出）

Q：甘蔗叶片出现纵向白条，心叶变细发黄，可能是什么病害？
最可能是甘蔗花叶病（嵌纹病）。判断理由：叶片出现黄绿相间的纵向条纹、新叶抽生变细变黄是典型症状，多由蚜虫传播病毒引起。建议：及时拔除病株，防治蚜虫传播，选用健康蔗种。
Q：写一条朋友圈文案（60 字内），宣传「AI 帮小商家做短视频」，语气接地气，结尾带行动号召。
店里没专职拍视频？不用请团队！把素材发给 AI，脚本、剪辑、配音一条龙，一天出 3 条不重样。街坊店也能有网红范儿，私信我教你上手！
Q：给短剧《夜刺》写一句结尾悬念台词（15 字内）。
刀已入鞘，可幕后那只手，还没收回去。

常见问题

FC-1 是不是从零训练的大模型？
不是，我们如实说明：FC-1 基于 Apache 2.0 许可的 Qwen3-4B 开源基座做微调（LoRA），训练数据为飞创自有业务语料。这和「从零预训练千亿参数」是两条路线——垂直场景下，小模型 + 高质量领域数据的性价比远高于堆参数。
为什么小模型在你们业务上能到 90%？
因为评测题就是我们的真实业务题（文案口径、农技知识、短剧格式），微调数据也来自同一体系——模型学的是「飞创怎么干活」。通用大模型什么都懂一点，但在我们的固定业务格式上，定向微调的 4B 可以打平甚至超过它。
这套能力对我的生意有什么用？
同样的方法可以迁移到你的行业：用你业务的真实问答数据微调一个专属小模型，部署成本远低于调用通用大模型 API，且数据不出域。欢迎带着场景来聊：1038911368@qq.com
🤝 合作洽谈 · 什么都可以投