1B、2B、4B 还是 27B：转写模型应该选多大

“Convert 需要多少参数”看起来像一个硬件问题，其实首先是产品问题：模型要改变哪些文字、必须保留哪些文字，以及结果能否在目标设备上快到适合打字时使用。

参数量只是这项决定的一个输入，不是准确率本身。

1B 是值得测试的最小候选，不是天然赢家

约 1B 参数的模型更容易控制文件大小和内存。风险在于容量：同一个模型要消除短拼音歧义、选择日文书写系统、处理 Hinglish 混写、理解 Arabizi，还要保留无关的拉丁字符片段。

这不等于 1B 一定失败。它只表示 1B 候选必须先通过同一套分语言测试和受保护片段测试，较小的文件才真正有价值。

2B 适合更窄的任务目标

2B 比 1B 有更多容量，同时仍明显小于 4B。如果以后使用较大的已训练模型提供示例，再把能力蒸馏到更小模型，2B 会是值得测试的目标。

但参数量不能替代结果。可观察的变量是：在未参与训练的中文、日文、印地语和阿拉伯语案例上，有多少输出被严格接受；随后还要测目标设备上的内存和延迟。

4B 是我们第一个可工作的平衡点

UnimeType 的第一个公开模型选择 4B 基座，因为它既能量化为桌面本地文件，也在任务微调后出现了明确提升。

在我们的 127 条冻结测试中，未经微调的 Qwen3.5-4B 基线有 27 条严格匹配；微调后的 6-bit 模型通过 LM Studio 得到 94 条。这个比较只说明同一项目测试下的一个基座和一个微调模型，不代表所有 4B 模型，也不是通用语言准确率。

27B 更适合教师或研究比较，不是默认 Convert 目标

27B 模型可能拥有更多通用能力，但模型文件和运行内存也会增加。Convert 并不需要大部分开放式聊天能力。只有当额外容量能解决足够多的失败案例时，设备成本才有意义。

对当前产品来说，27B 更适合作为对比或生成标签的候选，而不是第一个本地目标。这个建议的失败条件也很明确：如果较小模型在微调后仍无法达到接受输出和内容保护门槛，就重新讨论参数量。

最后需要三组测量

每一种大小都需要：

1. 相同的 Convert 提示词和解码设置；
2. 相同的保留语言与边缘案例测试集；
3. 来自目标运行时和目标设备的文件大小、峰值内存与延迟。

完成这些测量之后，“更小”或“更大”才会成为产品结论。下一篇比较另一条轴：Qwen、Gemma 与其他小模型家族。评测方法见我们如何评测转写模型，动作边界见动作。