面向 CPU/GPU 异构推理大模型的开源框架——这是 KTransformers 最主要的用途，也是本文讨论的前提。

用 AI 最容易犯的错是「看着不错就用了」，这篇给出一张可复用的打分表。

评分表（每项 1 到 5 分）

维度看什么1 分5 分
效果真实任务上的回答质量明显不合格无需修改即可使用
性能生成速度与并发能力明显不合格无需修改即可使用
资源显存、内存与硬件成本明显不合格无需修改即可使用
运维部署、升级与监控的难度明显不合格无需修改即可使用
许可是否满足商用与合规要求明显不合格无需修改即可使用

建议：任一维度低于 3 分就不要直接使用；总分用于比较不同提示词或不同工具的效果。

用一个任务试打分

私有知识问答

输入：一批不能上传云端的内部文档。

在本地搭建问答：本地模型负责回答，文档向量化存储在本机，回答时注明出处段落，断网情况下验证仍可使用。

验收标准：断网可用。

怎么让评分更可靠

  • 同一批材料至少测 5 次，不只看最好的一次。
  • 两人分别打分，分歧大的维度再讨论标准。
  • 把 KTransformers 的结果与人工完成或 vLLM 的结果放在一起盲评。
  • 每次改提示词后用同一批材料复测。

补充练习

接入现有应用

适用情况：手头有一个已有的业务系统时。

通过兼容 OpenAI 格式的接口把本地服务接入现有系统，设置超时和并发上限，先在测试环境跑通。

检查点：超时与并发有限制。

本地部署试跑

准备材料：一台有独立显卡或大内存的电脑。

按官方文档在本机部署，选择一个适合显存的模型尺寸，运行一个简单的对话或推理测试，记录显存占用和生成速度。

检查点：记录了资源占用。

模型对比测试

输入：两到三个候选开源模型。

用 20 个真实业务问题测试候选模型，记录回答质量、速度和资源占用，选出最适合的模型。

检查点：测试问题相同。

常见问题：生成速度很慢

检查是否使用了 GPU 加速，减少上下文长度。

常见问题：升级后不兼容

固定版本号，升级前在测试环境验证。

常见问题：中文效果不理想

优先选择中文训练数据充足的模型。

概念补充：量化

降低模型参数精度以减少显存占用，可能影响效果。

概念补充：推理框架

负责加载模型并高效生成结果的软件。

适合人群：医疗机构行政人员

医疗机构行政人员可以用 KTransformers 处理文书整理、患者沟通材料等工作。需要注意：AI 不得替代医生诊断，患者信息必须按法规保护。

适合人群：游戏开发者

游戏开发者可以用 KTransformers 处理原型与素材、NPC 对话与文案等工作。需要注意：关注生成素材的授权和平台对 AI 内容的披露要求。

适合人群：财务人员

财务人员可以用 KTransformers 处理单据识别录入、报表说明与分析等工作。需要注意：财务数据属于敏感信息，优先使用企业版或本地方案，结果需复核。

写在最后

本文基于 KTransformers 公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。

涉及个人信息、商业机密或受监管数据时，先确认 KTransformers 的数据处理条款，再决定能否使用。

延伸阅读