从 100KB 到 2.5TB：一张 AI 模型规模谱系图与运行成本梳理

一位 Reddit 用户按模型体积、所需硬件和收益递减点，把 AI 模型划分为多个层级，认为当前业界过度聚焦万亿参数与 H100 集群，而约 90% 的使用场景被过度工程化。文中给出两个极端与中间甜点区：100KB 级 TinyML（TensorFlow Lite、传感器异常检测，可在毫瓦级微控制器上运行）以及 4GB–40GB 的本地部署区间（Mistral 7B、Gemma 2 9B/27B、Qwen 2.5 14B/32B）。内容为个人整理，具体成本数据未在摘要中披露。

AI推荐理由 Reddit 用户对 AI 模型规模谱系（100KB TinyML 到 2.5TB 大模型）的整理，给出按体积、硬件需求和收益递减点分层的框架，并点名 Mistral 7B、Gemma 2 9B/27B、Qwen 2.5 14B/32B 等本地部署区间。属于个人经验性梳理，非官方基准或可验证测量，具体成本数字未在摘要中给出，需保留其主观性。