永不停止的支出
帳單隨用量成長，而非隨價值成長。業務越成功負擔越重，而定價權在別人手上。
封閉測試招募中 — 即將開放模型，歸你所有。
模型，歸你所有。
而非租用他人的。
Distiller Cloud 將大型開源教師模型蒸餾成小而專精的語言模型：以針對你的任務生成的合成資料集訓練，最後交付一個可下載的檔案。可在 Mac、RTX 主機或自有伺服器上執行，無需任何機器學習背景。
- 權重下載後即歸你所有
- 資料與模型 48 小時內銷毀
- 本機執行，不再按 token 計費
問題所在
雲端推論是一份永遠繳不完的租金。
每一次請求都離開你的基礎架構，按 token 計費，而且跑在一個遠大於任務所需的模型上。你不斷為一個自己無法掌控、無法檢視、也帶不走的系統調整提示詞。
資料離開了你的邊界
每一則提示詞都是一次對外揭露。保存條款會變，委外廠商會變，而法遵團隊一定會注意到。
規格遠超過需求
用兆級參數的通用模型去分類客服工單。你為永遠用不到的能力付費。
運作方式
從一段任務描述，到硬碟裡的模型權重。
引導式介面，四個步驟。不必寫 notebook、不必碰 CUDA，也不必盯著訓練流程。
- 01
設定
描述你的任務，並挑選一個開源教師模型。介面會帶你確認適用範圍、語氣與輸出格式，沒有需要靠猜的超參數。
- 02
蒸餾
我們生成合成資料集，切分訓練集與驗證集，並執行蒸餾。你只要看損失曲線，基礎架構交給我們。
- 03
下載
你會取得標準格式的權重（GGUF、safetensors）以及評估報告，可在 Apple Silicon、NVIDIA RTX、DGX Spark 或自有伺服器上執行。
- 04
其餘一切銷毀
48 小時內，你的資料集、訓練工作與模型會從我們的基礎架構中徹底清除。不是封存，不是匿名化，是刪除。
你會得到什麼
小巧、專精，而且真正屬於你。
權重歸你所有
模型就是一個檔案。你可以下載、複製、部署，即使不再是我們的客戶也照樣保留。關鍵路徑上沒有 API 金鑰，沒有廠商綁定，不按 token 計費。
預設零保存
資料與模型在 48 小時內自動銷毀，不需要你另行申請。我們的伺服器上不會留下任何東西，因為「保存」本來就不屬於這項產品。
本機推論，低延遲
為單一任務量身打造的模型，可在你既有的硬體上執行，毫秒級回應且無需往返網路，耗電量只是呼叫前沿 API 的一小部分。
無需機器學習背景
資料集生成、訓練／驗證集切分、成效評估，全部由我們處理。只要能用文字把任務講清楚，你就能做出一個可用的模型。
開源教師模型
從成熟的開源權重模型蒸餾。你清楚知道學生模型的學習來源，授權條款也隨模型一起歸你。
看得懂的評估
每次工作都附上驗證指標與失敗範例，讓你在模型接近正式環境之前，就能判斷它是否夠好。
為何是現在
四個條件，直到最近才同時成立。
本機算力已經普及
Apple Silicon、RTX 顯示卡與 DGX Spark，讓三年前毫無算力的桌面具備了可用的推論能力。這筆成本你已經付過了。
開源模型成熟了
開源權重的教師模型已強到值得蒸餾，授權條款也允許這麼做。兩年前的品質落差讓這件事毫無意義。
能源成本的算法變了
AI 真正的長期成本是推論而非訓練。一個與任務規模相符的模型，能把按量計費轉為一次性投入。
法規推動地端部署
GDPR 與歐盟《人工智慧法案》讓資料落地與可追溯性成為董事會層級的議題。讓模型在自己的邊界內執行，是最短的答案。
零保存
48 小時內，我們刪除全部內容。
口頭承諾隱私、實際卻留著資料，這很容易做到。所以我們乾脆把服務設計成「拿不到資料」：工作結束後 48 小時內，你的資料集、訓練產物與模型都會從我們的基礎架構中移除。沒有可被調閱的封存，也沒有可能外洩的備份，因為保存從來就不是這項產品的一部分。
- 0 小時
工作開始
你的任務描述與生成的資料集，只在工作執行期間存在。
- 約 2 小時
模型就緒
你下載權重與評估報告。從這一刻起，模型完全屬於你。
- 48 小時
全數清除
資料集、檢查點與最終模型自動刪除，沒有需要你手動關閉的選項。
- 絕不以你的資料訓練模型，任何用途皆然
- 不與第三方共享，沒有資料仲介，沒有廣告技術
- 刪除為自動執行，不需要聯絡客服
- 歐洲基礎架構，架構層面即符合 GDPR
我們唯一保留的是你的電子信箱，因為那是你主動要求我們在發布時通知你的。
搶先體驗
開放的那一天，你在場。
第一批使用者我們分小批開放，這樣才能真正和每個團隊談上幾句。現在登記就能優先進入，並包含測試期的免費蒸餾額度，以及與開發團隊的直接溝通管道。
- 封閉測試開放時優先進入
- 首次蒸餾工作的免費額度
- 對優先支援哪些教師模型與格式具有發言權
沒有倒數計時，也沒有假的名額計數器。產品夠好我們才開放，而你會是最早知道的人之一。
常見問題
登記之前，你可能想問。
48 小時之後，模型真的還是我的嗎？
是的。48 小時針對的是我們的伺服器，而不是你已下載的檔案。權重下載之後就永久屬於你：即使你不再是我們的客戶它照常運作，即使我們這家公司消失了它也照常運作。
老實說，蒸餾出來的小模型效果究竟如何？
在一個定義清楚的任務上，蒸餾得當的小模型能接近它的教師模型，並且勝過對你的領域一無所知的通用大模型。但在開放式的通用推理上它做不到，若蒸餾並不適合你的問題，我們會直接告訴你。
執行它需要什麼硬體？
一台較新的 Apple Silicon Mac、一張 NVIDIA RTX 顯示卡、一台 DGX Spark，或一台規格普通的伺服器，都足以執行我們所鎖定的模型規模。我們交付 GGUF 與 safetensors 等標準格式，主流本機推論框架可直接使用。
價格是多少？
定價尚未最終確定，這正是我們向早期使用者請教「多少錢才合理」的原因。計費以蒸餾工作為單位而非 token：你為產生模型付費，之後的推論是免費的，因為它跑在你自己的硬體上。
訓練期間我的資料會保持私密嗎？
工作完成後 48 小時內，你的資料集、暫時訓練產物和最終模型都會從我們的基礎設施中刪除。我們不會用客戶資料訓練自己的模型，也不會與第三方分享。
我需要懂機器學習或程式設計嗎？
建立模型不需要機器學習專業知識。你需要描述任務並評估領域範例；引導式流程負責技術訓練步驟，並交付標準格式的模型。
這與直接使用 LLM API 有何不同？
API 是租用通用模型，並依每次使用計費。Distiller Cloud 為明確任務產生更小的模型，你可以下載並在自己控制的硬體上執行，沒有持續的按 token 費用。