太阳能设备公司Exowatt自测：微调1.7B模型在报警分类任务上准确率超Claude Sonnet 4.6

太阳能设备公司Exowatt为AI数据中心提供可调度太阳能供电系统，其能源管理系统运行于不断扩展的站点群，各站点持续产生硬件报警。团队需要在无GPU、常无网络的边缘控制器上自动分类报警并给出下一步操作建议。Exowatt在AWS机器学习博客中描述了这一工程实践：微调Qwen3-1.7B模型在报警分类任务上自测macro-F1达0.911，超过Claude Sonnet 4.6的0.698，且推理成本为零（运行在站点现有CPU上）。

为什么前沿模型在这个场景下不可行？Exowatt给出三个原因：任务窄且专有，报警分类依赖其特定硬件和运行逻辑；必须边缘运行，无GPU且经常无网络；成本在站点群规模下不可持续，每个决策都调用云端前沿模型在经济上不可行。团队最初尝试Qwen3-8B加提示和护栏，macro-F1停在0.735，未达目标。随后发现一个反直觉的结果：十三种微调Qwen3-8B方案、跨12个数据集版本，没有一个超过提示版8B基线。而参数量仅为其五分之一的Qwen3-1.7B，配合更多样化的训练数据，反而超过了8B。

数据策略是核心发现。训练集仅2522条：684条经过验证的站点场景决策，加上1838条由Qwen3-VL-235B生成的改写（保持决策、标签、证据引用和所有数字不变，仅改写表述）。改写生成成本约3.72美元，2218个候选中1838个通过确定性检查。关键对照实验：仅用684条原始数据跑11轮（与扩充数据集步数相同），macro-F1为0.879；用扩充到2522条的多样化数据跑一轮，macro-F1为0.911。Exowatt的结论是：对于紧密界定的任务，数据质量与多样性比模型规模和数据量更重要，单纯增加训练轮数反而不如增加数据多样性。

在云端能源市场分析任务上，同样的管线将Qwen3-14B从基线0.415提升到0.975 macro-F1，超过Claude Opus 4.7的0.625，每千次回答成本0.60美元对比29.26美元（约49倍差距）。Exowatt强调，两个模型只是管线的第一个输出，更持久的成果是管线本身：从原始运营数据到认证训练集、微调模型和评估部署产物的可重复路径，将迭代周期从数月压缩到数天。

需要指出的边界：所有性能数据为Exowatt与AWS的自测结果，未经独立复现。两个任务均为单轮严格JSON输出分类，模型返回的每个声明必须引用输入数据的具体行，无法引用则丢弃。测试集分别为320和2000个样本。成本对比使用Amazon Bedrock标价乘以实测token数，边缘模型零成本指无API调用费，但硬件折旧和运维未计入。这些数字说明的是特定窄任务上的相对优势，不能外推到多步推理、开放生成或需要世界知识的场景。