訓練或微調模型

阿里巴巴的開源大型語言模型系列，權重採 Apache-2.0，是商用授權最單純的選擇之一。

不適合沒有 GPU 或推論預算的團隊、需要最前沿推理能力的場合（仍以閉源旗艦為主）

Meta 的開放權重模型系列，生態最大，但**授權是自訂條款不是標準開源**，有三條硬性商用義務。

不適合⚠️ 月活躍使用者超過 7 億又沒申請授權的公司、不想在產品上標示「Built with Llama」的場合、衍生模型不想被要求以 Llama 命名的情況

Google 的開放權重模型系列，輕量、可在較小硬體上跑，但採自訂使用條款而非 OSI 開源授權。

不適合⚠️ 不想受禁用政策與下游傳遞義務約束的產品、需要標準開源授權以簡化法遵的場合

開源的資料標註平台，支援影像、文字、音訊、影片與時序資料——訓練模型前最花人力的那一段。

不適合不打算訓練模型的團隊、只有幾十筆資料的小專案（用試算表就好）

讓微調 LLM 更省資源的工具，官方宣稱訓練快 2 倍、VRAM 少 70%，可在單張消費級顯卡上跑。

不適合還沒試過提示詞與 RAG 就想微調的專案、沒有標註資料的情況、沒有 GPU 的環境

評估 RAG 與 LLM 應用品質的工具：用客觀指標和自動產生的測試題，取代「感覺還不錯」。

不適合還沒有系統可評估的階段、不寫程式的使用者

LLM 應用的觀測平台：把每一次呼叫的輸入輸出、成本、延遲記錄下來，並支援提示詞版本管理與評估。

不適合還在原型階段的專案、沒有工程人力的團隊

開源的個資偵測與去識別化工具：在文字、圖片與結構化資料裡找出姓名、電話、卡號等敏感資訊並遮蔽。

不適合⚠️ 當成唯一的個資防線（官方明說不保證找出全部）、沒有工程人力的團隊

做 AI Agent 的編排框架：支援持久化執行、狀態記憶、以及在流程中插入人工確認。

不適合單次問答就結束的需求（直接呼叫模型就好）、不寫程式的團隊、還沒試過寫死流程（Workflow）就想上 Agent

影像模型的標準函式庫，收錄 ResNet、ViT、EfficientNet、ConvNeXt、Swin 等上百個架構與預訓練權重。

不適合⚠️ 直接把預訓練權重用在商業產品卻沒確認權重授權、不寫程式的團隊

開源影片生成模型，支援文生影片、圖生影片與語音驅動；官方明說不主張你產出內容的權利。

不適合沒有 GPU 的環境、需要電影級精細控制的專業製作、不寫程式的使用者

騰訊的開源影片生成模型（130 億參數以上）。⚠️ 授權在歐盟、英國、南韓不適用。

不適合⚠️ **在歐盟、英國或南韓營運的公司或使用者**、⚠️ 月活躍使用者超過 1 億的產品（要另外申請）、硬體不足的環境

開源影片生成模型，支援文生影片、圖生影片與影片續寫；**程式與權重授權依版本不同**。

不適合⚠️ 直接商用 5B 版卻沒讀專屬授權的情況、需要長片段輸出的場合（預設約 5–10 秒）