# 花 9 美元让 Gemini 教出一个本地模型，替代它自己

> 原标题：I had Gemini train its own replacement for $9

- 来源：Hacker News 首页
- 发布时间：2026-09-17T13:17:16.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/57120
- 原文：https://www.petervijeh.com/projects/reddit-ner

## 摘要

作者用 Gemini 3.1 Pro 一次性标注 4,290 条 Reddit 评论（花费 9 美元），再微调 GLiNER large v2.5（459M）做刀具品牌、型号和钢材的命名实体识别，在 225 条验证集上达到 0.83 F1，本地运行后不再按条调用 Gemini。

## 推荐理由

作者花9美元让Gemini标注4290条评论，微调GLiNER把F1从0.65提到0.83，本地运行后不再按条调用API，记录了大模型蒸馏标签、微调小模型替代自身的一次完整尝试。

## 锐评

9 美元买 4290 条标签，这个账我信。卡人的是那 10 次训练里 5 次白跑，两次栽在 words_mask 上，名字和形状都跟 attention mask 一样，填错了 loss 就停在 70 不动，不报错不崩。这种坑才是微调的真实成本，钱是小事，两天时间才是。0.83 F1 是对着 Gemini 的标签算的，没人手工核过，Gemini 错的地方模型跟着错算对、改对了反而算错，这个分数只能当上限看。459M 的模型跑在 T4 上 24 分钟，之后每条评论零成本，做垂直抽取这条路是通的。
