同一个AI，2.52G 和 4.17G 两个版本：省下的那 1.6G，到底省掉了什么？
最近科技圈有个挺有意思的现象：一个只有 4B 参数的开源小模型，居然能把"樱花寺庙庭院""海上龙骑士巢穴""LGA 3647 处理器插槽"这种画面，直接从一句中文或英文描述里生成出来——不是图片，是能转视角、能走动的 3D 场景。
更关键的是，它能在你自己的电脑上跑，不用联网、不用付费。
于是问题来了。点开下载页面，两个文件摆在那儿：一个 2.52 GiB，一个 4.17 GiB。差了整整 1.65G，差不多是"多占了 65% 的硬盘"。
论坛里问得最多的一句话就是：我到底该下哪个？省下的这 1.6G，会不会把效果一起省没了？
这篇就来把这件事掰开揉碎，说说量化档位的质量拐点，到底卡在哪。
一、先说清楚：这玩意儿到底是个啥？
一句话解释：它是一个被"特训"过的小型代码模型，专门干一件事——你说想要的 3D 场景，它直接吐出一个能在浏览器里打开就跑的网页文件。
你不需要装引擎、不需要建工程、不需要拖模型。打开那个网页，鼠标一拖，就能绕着这座庭院转一圈。
它基于阿里的 Qwen3.5-4B 做了独立微调，训练素材是 4146 个已经标注好的 Three.js 3D 场景样板，每一个都带着提示词、完整成品和难度分级。相当于让一个学徒把 4000 多份"老师傅图纸 + 成品照片"全看了一遍，然后自己上手。
有多能打？看下面这组官方画廊里的作品。
第一张是"樱花寺庙庭院"，青瓦屋顶、红色鸟居、木桥小溪，樱花花瓣还在半空里飘：
第二张是"轨道发射场"，纯体素方块风，发射塔、桁架、地勤小车、围栏，比例关系全都立得住：
第三张就更离谱了——一个处理器插槽的复刻，卡扣、压板、电路板走线、红色固定扳手，连标注牌都给你摆好了：
看懂了吧？这不是"随便糊一个方块"，是有空间逻辑、有比例、有风格的建模。
而这么个东西，占你的硬盘只有 2.5G 到 4.2G。
二、量化是啥？一个照片压缩的比喻
大模型原本是用十六位小数来存每一个"神经元记忆"的，非常精确，但也非常占地方。这个模型的原版满血版，体积接近9 个 G。
量化，说白了就是给这些数字"降精度"——原本每个数字要写一长串小数，现在只保留个大概的位数。
打个最好懂的比方：这就像把一张无损照片压成 JPG。
- 压缩率低一点，文件大，但放大看细节还在；
- 压缩率高一点，文件小，普通人扫一眼也分不出差别，但你要放大去看树叶子，就糊了。
现在摆在面前的两个档位就是这种情况：
| 档位 | 体积 | 通俗理解 |
|---|---|---|
| Q4_K_M | 约 2.52 GiB | 压得比较狠，但关键部位做了"重点保护" |
| Q8_0 | 约 4.17 GiB | 几乎是"接近原声"的压缩，损失极小 |
| 原版满血（FP16） | 约 9 GiB | 未压缩的母带 |
这里有个很多人忽略的细节：Q4_K_M 里的"K_M"，意思是它不是一刀切地压，而是把大部分地方压到 4 位，同时挑出一部分"敏感部位"保留更高精度。所以它才敢在只有 2.52G 的情况下还硬撑着干活。
那么，2.52G 到 4.17G 之间，质量到底是渐变，还是有个突然掉下去的"断崖"？
答案是：取决于你让它干什么活。
三、质量的拐点在哪？看三个信号
对聊天型模型来说，量化到 4 位往往"感觉不出差别"，因为聊天容错率高，句子稍微歪一点你也读得懂。
但代码模型完全是另一回事。
写 3D 场景的代码，就像搭一座纸牌塔——一个变量名重复了、一个括号错位了，整个页面直接白屏。它没有"差不多就行"的空间，只有"能跑"和"不能跑"。
所以在实际体验里，判断拐点不看跑分，看这三个最实在的信号：
第一个信号：一次成图率。
也就是你一句话丢过去，第一版能不能直接打开就看。官方在 10 月 27 日更新了训练检查点后，明确说"一次性生成成功率有了明显提升"。这句话背后的潜台词是：以前经常要重来两三次，现在多数能一次过。
而在这一项上，两个档位的差距被放大了——量化损失会优先体现在"偶发的低级错误"上，比如变量名撞车、某个物体忘了加进场景。这恰恰是最容易让整页白屏的那类错误。
第二个信号：复杂场景的"零件数量"。
越简单的题材，两档越难分高下。一个体素发射场、一张秘书桌、一辆自行车，Q4_K_M 出来的效果基本肉眼无差——因为零件少、逻辑简单，压缩损失没地方显露。
但一旦进到"多层建筑 + 大量重复构件 + 动态光照 + 粒子飘落"的复合场景，差别就出来了：Q8_0 往往能把樱花花瓣、水面波纹、屋檐层级这些"末端细节"都交代清楚，Q4_K_M 则更可能出现"少几棵树""少一层栏杆""花瓣不飘了"。
第三个信号：动画和交互还活着吗。
这类场景常常带有旋转雷达、飘落花瓣、可拖拽视角。量化到 4 位后，最容易被牺牲的就是这类"不显眼但要一直跑"的逻辑。代码能出画面，但转不动、或者转到一半卡住——这才是最让人抓狂的体验落差。
一句话总结这个拐点：在简单题材上，2.52G 和 4.17G 的差距可以忽略不计；在复杂题材上，这 1.6G 买的是"少返工"和"细节不塌"。
四、显存这道数学题，比质量更现实
说到底，选哪个版本的第一决定因素，往往不是"我想要更好的"，而是"我的机器扛不扛得住"。
大致账是这样的：
- Q4_K_M：算上上下文缓存，大约吃 4～6 GB 内存或显存；
- Q8_0：大约吃 6～8 GB；
- 而一旦你想塞超长上下文，需求还会往上跳。
所以很现实的分界线来了：
8G 显存的游戏本、或者只有 16G 内存的轻薄本——老实选 Q4_K_M。它不光能装下，生成速度还更快，这在 3D 场景这种"一次要吐几千字代码"的任务里，体感差异相当明显。
16G 显存以上的台式机、或者 32G 内存的创作本——直接上 Q8_0，别纠结那 1.6G，你换来的是更少的重试次数。
这里还有个很多人踩过的坑必须提醒：如果你用 LM Studio 加载，一定要手动关掉"多 token 预测"那个开关。它默认是开的，开着就会出现输出乱码、答一半断掉、甚至干脆不响应。这个问题跟你是 4 位还是 8 位毫无关系，纯粹是兼容性——社区里已经有一堆人以为是模型坏了，其实是没关这个。
五、成年人不做选择：分题材混合用
真正玩明白的人，最后都会走到同一条路上——两个都留着，看活下菜。
思路很简单：
打草稿用轻的，出终稿用重的。
先用 Q4_K_M 快速试提示词。你想做个"海边灯塔"，第一版出来了，发现构图不对、风格太卡通，改两句话再跑一次。这个阶段你追求的是"快"，反正要推翻，用 4G 的显存占用换来两倍迭代速度，太值了。
等提示词磨到你满意了，切到 Q8_0，用同一段话再跑一次，拿到最终版本。这时候多花的几十秒，换来的是细节齐全、少 bug。
题材也要分开看。
- 体素风、单件家具、机械小物件、纯色极简场景 → Q4_K_M 完全够用，这类画面本来就是"方块 + 大色块"，压缩损失看不见；
- 建筑群、园林、多层级结构、带粒子与动画的场景 → 上 Q8_0；
- 需要给别人看、要截图的成品 → 一律 Q8_0，别省这一步。
还有个心态建议：这个模型目前仍是"早期预览版"，官方自己写得很实在——出错的地方多是变量名重复这类小毛病，不是结构性问题，重跑一次或者让它自己改一下，通常就过去了。所以别指望一次成型百分百，把它当成一个"手很快但偶尔会手滑的实习生"，你的满意度会高很多。
另外，生成参数两档是通用的：温度 0.6～0.8、核采样 0.90～0.95、重复惩罚 1.0。别自己乱调，越调越乱。
写在最后
这次这个 4B 小模型最有意思的地方，其实不是它能画 3D，而是它把"专业建模"这件事的门槛，压到了一个普通人能伸手够到的位置：一台不算顶配的电脑，两个 G 的硬盘，一句话，一个能转着看的 3D 世界。
而 2.52G 和 4.17G 这道选择题，本质上也挺像生活里的很多选择——你多付出的那点资源，换来的不一定是"更好看"，而往往是"更少返工"。
所以真正的问题不是"哪个更强"，而是：你更缺硬盘，还是更缺耐心？
你如果也在自己电脑上跑过这类本地小模型，欢迎在评论区说说你的机器配置和实际体验——尤其是那台 8G 显存的老伙计，它到底还能不能扛住 3D 场景这一波？
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
论有效域与可核验性是数学证明的前置条件)
