永不停止的支出
账单随用量增长，而不是随价值增长。业务越成功账单越重，而定价权在别人手里。
内测招募中 — 即将开放模型，归你所有。
模型，归你所有。
而不是订阅别人的。
Distiller Cloud 把大型开源教师模型蒸馏成小而专精的语言模型：用为你的任务生成的合成数据集训练，最终交付给你一个可以下载的文件。在 Mac、RTX 主机或自有服务器上运行，无需任何机器学习背景。
- 权重下载即归你所有
- 数据与模型 48 小时内销毁
- 本地运行，不再按 token 计费
问题所在
云端推理是一份永远交不完的租金。
每一次请求都离开你的基础设施，按 token 计费，并且跑在一个远大于任务所需的模型上。你在为一个自己无法掌控、无法审查、也带不走的系统反复调优提示词。
数据离开了你的边界
每一条提示词都是一次对外披露。留存条款会变，分包商会变，而合规团队一定会注意到。
杀鸡用了牛刀
用万亿参数的通用模型去给工单分类。你为永远用不上的能力付费。
工作原理
从一段任务描述，到硬盘里的模型权重。
引导式界面，四个步骤。不用写 notebook，不碰 CUDA，也不必守着训练过程。
- 01
配置
描述你的任务，选一个开源教师模型。界面会带你确认适用范围、语气和输出格式，没有需要靠猜的超参数。
- 02
蒸馏
我们生成合成数据集，划分训练集与验证集，并执行蒸馏。你只需看损失曲线，基础设施交给我们。
- 03
下载
你会拿到标准格式的权重（GGUF、safetensors）以及评估报告，可在 Apple Silicon、NVIDIA RTX、DGX Spark 或自有服务器上运行。
- 04
其余一切被销毁
48 小时内，你的数据集、训练任务和模型会从我们的基础设施中彻底清除。不是归档，不是匿名化，是删除。
你得到什么
小、专精，而且真正属于你。
权重归你所有
模型就是一个文件。你可以下载、复制、部署，即使不再是我们的客户也照样保留。关键链路上没有 API key，没有厂商锁定，不按 token 计费。
默认零留存
数据和模型在 48 小时内自动销毁，不需要你提出申请。我们的服务器上什么都不会留下，因为“保存”本就不属于这个产品。
本地推理，低延迟
为单一任务定制的模型可以跑在你已有的硬件上，毫秒级响应无需往返网络，能耗只是调用前沿 API 的一小部分。
无需机器学习背景
数据集生成、训练/验证集划分、效果评估，全部由我们处理。只要能用文字把任务讲清楚，你就能做出一个可用的模型。
开源教师模型
从成熟的开源权重模型蒸馏。你清楚知道学生模型学自哪里，许可证也随模型一起归你。
看得懂的评估
每次任务都附带验证指标和失败样例，让你在模型接近生产环境之前，就能判断它是否足够好。
为什么是现在
四个条件，直到最近才同时成立。
本地算力已经普及
Apple Silicon、RTX 显卡和 DGX Spark 让三年前毫无算力的办公桌具备了可用的推理能力。这部分成本你已经付过了。
开源模型成熟了
开源权重的教师模型已经强到值得蒸馏，许可证也允许这样做。两年前的质量差距让这件事没有意义。
能耗账算法变了
AI 真正的长期成本是推理而非训练。一个与任务规模匹配的模型，把按量计费变成一次性投入。
监管推动本地化部署
GDPR 与欧盟《人工智能法案》把数据驻留和可追溯性变成了董事会级别的议题。让模型跑在自己的边界内，是最短的答案。
零留存
48 小时内，我们删除全部内容。
口头承诺隐私、实际留着数据，这很容易做到。所以我们干脆把服务设计成“拿不到数据”：任务结束后 48 小时内，你的数据集、训练产物和模型会从我们的基础设施中移除。没有可被调取的归档，也没有可能泄露的备份，因为留存从来就不是这个产品的一部分。
- 0 小时
任务开始
你的任务描述和生成的数据集，只在任务运行期间存在。
- 约 2 小时
模型就绪
你下载权重和评估报告。从这一刻起，模型完全属于你。
- 48 小时
全部清除
数据集、检查点和最终模型自动删除，没有需要你手动关闭的选项。
- 绝不用你的数据训练模型，任何用途都不会
- 不与第三方共享，没有数据经纪商，没有广告技术
- 删除是自动执行的，不需要联系客服
- 欧洲基础设施，架构层面即符合 GDPR
我们唯一保留的是你的邮箱地址，因为那是你主动要求我们在发布时通知你的。
抢先体验
开放那天，你在场。
第一批用户我们分小批开放，这样才能真正和每个团队聊上几句。现在登记就能优先进入，还包括内测期的免费蒸馏额度，以及与开发团队的直接沟通渠道。
- 内测开放时优先进入
- 首次蒸馏任务的免费额度
- 对优先支持哪些教师模型和格式有发言权
没有倒计时，也没有假的名额计数器。产品足够好我们才开放，而你会是最早知道的人之一。
常见问题
登记之前，你可能想问。
48 小时之后，模型真的还是我的吗？
是的。48 小时针对的是我们的服务器，而不是你已下载的文件。权重下载之后就永久属于你：即使你不再是我们的客户它照常工作，即使我们这家公司消失了它也照常工作。
说实话，蒸馏出来的小模型效果到底如何？
在一个定义清晰的任务上，蒸馏得当的小模型能接近它的教师模型，并且胜过对你的领域一无所知的通用大模型。但在开放式通用推理上它做不到，如果蒸馏并不适合你的问题，我们会直接告诉你。
运行它需要什么硬件？
一台较新的 Apple Silicon Mac、一块 NVIDIA RTX 显卡、一台 DGX Spark，或一台配置普通的服务器，都足以运行我们所针对的模型规模。我们交付 GGUF 和 safetensors 等标准格式，主流本地推理框架开箱即用。
价格是多少？
定价尚未最终确定，这正是我们向早期用户征询“多少钱算合理”的原因。计费按蒸馏任务而非 token：你为生成模型付费，之后的推理是免费的，因为它跑在你自己的硬件上。
训练期间我的数据会保持私密吗？
任务完成后 48 小时内，你的数据集、临时训练产物和最终模型都会从我们的基础设施中删除。我们不会用客户数据训练自己的模型，也不会与第三方分享。
我需要懂机器学习或编程吗？
创建模型不需要机器学习专业知识。你需要描述任务并评估领域示例；引导式流程负责技术训练步骤，并交付标准格式的模型。
这与直接使用 LLM API 有何不同？
API 是租用通用模型，并按每次使用计费。Distiller Cloud 为明确任务生成更小的模型，你可以下载并在自己控制的硬件上运行，没有持续的按 token 费用。