AI模型训练和微调工具
这一类覆盖从模型研究到落地的工具：本地推理框架（Ollama 本地跑开源模型）、训练与微调平台（豆包大模型、腾讯混元大模型、MOSS 提供模型服务）、训练可视化（TensorBoard、ClearML 跟踪实验）、数据与标注（Segment Anything 分割模型）、以及演示部署（Gradio 快速搭建交互Demo）。
按任务选：本地试验与推理选Ollama（安装即用）；商业模型调用选大厂模型平台（关注API价格与稳定）；训练与调参选ClearML、TensorBoard类（关注实验管理能力）；快速分享Demo选Gradio。再评估算力：本地训练需要GPU，云端平台按量计费。
本地推理：Ollama 一条命令跑起Llama等开源模型；Lobe 提供图形化模型管理。
模型平台：豆包大模型、腾讯混元大模型、商量SenseChat 提供商用API；MOSS、StableLM 是开源模型生态。
实验与可视化：ClearML 管理实验、数据与部署；TensorBoard 可视化训练曲线。
数据处理与演示：Segment Anything（SAM） 提供图像分割能力；Gradio 快速搭建模型Demo页面；ClipDrop 面向图像处理场景。
开源框架（Ollama、Gradio、ClearML社区版）免费自部署；大厂模型API按token或按量计费。价格以官网当前公示为准。本地方案前期投入硬件，长期成本可控；云端方案起步快但持续计费。
误区一：本地跑大模型=免费。推理需要算力，小显存只能跑小模型，效果与云端大模型有差距。误区二：忽略实验管理。没有系统记录实验（超参、数据版本、结果），训练工作难以复现。误区三：把研究工具当生产系统。Gradio适合演示，生产级服务需要专门的推理架构。
AI训练与模型工具横跨研究、调参与落地。本站收录了 66 个相关工具，覆盖本地推理、模型平台、实验管理与部署，按算力与商业化阶段选型。
