两个人花2万美元训出文生图模型，普通人怎么靠定制模型接单

发布于 2026-11-07 · AI热点追踪

11月4号，一个只有两个人的研究小组发了个东西，把我盯住了。

Linum，两个人，花了两万一千美元算力，从零训出一个2B参数的文生图模型，权重和代码按 Apache 2.0 放出来，能商用。账单细到有点离谱，八千四百多个H100小时，每小时2.5美元，喂了6.6亿张样本。

我第一反应不是牛逼，是那我们这些靠AI出图接单的人该怎么算钱。。。

以前这种活得大厂加几千万融资才敢碰。现在两个人，几十天，租显卡的钱凑一凑就上了。

更有意思的是它做不到的部分。官方写得很直白，没喂过带文字的图，海报、菜单一律不会写，全身、人群、多人互动也容易崩，腿能给你拧成麻花。

它出不了好东西的那几条缝，恰好是普通人吃饭的地方。

第一个方向，做同款出图。客户给你三张产品图，你拿这几张当参考，保持同一个杯子、同一件衣服、同一张桌面，批量换场景。淘宝卖家和小红书博主最缺这个，一张三十到八十，一天出二十张不累。这条我在AI电商产品图服务里写过，成本又掉了一截。

第二个方向，给品牌训一个专属模型。你卖的不是图，是能反复出图的资产。把客户的产品、模特、门店装修整理成数据集，训一个轻量微调，交付三样东西，模型文件、提示词手册、三十张样片。现在租张显卡跑一晚上就能交，报价别按小时算，按小时你会饿死，三千到六千一个品牌。

第三个方向最狠，不卖图也不卖模型，卖工具。盯住一个特别窄的行业，婚纱摄影、宠物店、二手奢侈品都行，把出图流程打包成一个网页。店主传照片，点一下，出十张成品。一家店一个月三百到五百，签二十家就是一万，训练只做一次，钱可以收一年。

这里说个坑。它写不了字，带文案的图、价目表、活动海报别接，要排字还是交给更擅长排字的模型。全身照和多人照也先别接，接单前先跑五张，崩一张就老实说做不了。还有，别拿网上扒的图去训，模型会记住人脸和商标，出事的是你。

我自己是这么想的，开源权重不贵，贵的是你手里有没有那批干净的、带授权、别人拿不到的图。数据才是门槛，显卡早就不是了。

顺便说一句，Linum自己讲了，这笔钱是给视频模型做压力测试的。明年这个时候，同样的事可能两千美元就够。

工具越便宜，被挤掉的从来是只会转发别人作品的人。

回到开头那句怎么算钱。我的答案是，别按张算，按客户的场景算，一个场景一套素材，一套素材一个价。

我把出图接单的报价单、问询话术和数据集整理清单，塞进了提示词包。想试的，先从客户图里挑三张，别急着进货。

磨平一些信息差。