科技与互联网
为互联网企业训练更小、更省、更快的专属模型
北坡为互联网企业训练专属模型：结合企业自己的产品知识、业务 SOP 与业务数据做后训练，模型规模更小、推理成本更低，在业务评测上达到参考大模型的水平，并接入企业现有智能体使用。
- 更小的专属模型旅行规划以 38B 后训练模型达到 DeepSeek V4 Flash（284B）水平；客户经营只需 27B 专属模型。
- 更低的推理成本27B 客户经营专属模型在业务评测上达到 GPT-5.6 Sol 水平，按 API 推理成本计约为其 1/10。
- 接入现有智能体训练后的专属模型接入企业现有智能体，完成需求澄清、推进判断与工具执行。
通用大模型成本高，多轮业务处理还容易遗漏
通用大模型参数规模大，按 API 计的推理成本高；业务规模化使用时，成本与资源投入随之上升。
话术型客服智能体难以判断客户顾虑与推进时机，重复追问或过早催单，导致意向客户流失。
通用模型接入知识库与工具后，多轮变更时容易漏核规则、漏做操作，出现报价与权益不符、业务处理未完成。
38B 专属模型，达到 DeepSeek V4 Flash 水平
旅行规划经后训练，以 38B 专属模型在多轮行程规划与工具调用中达到 DeepSeek V4 Flash（284B）水平：低质量回复占比 11.83%，DeepSeek V4 Flash 为 12.16%。
27B 专属模型，达到 GPT-5.6 Sol 水平推理成本约 1/10
由企业业务数据后训练的 27B 客户经营专属模型，在同一业务评测集上达到 GPT-5.6 Sol 水平；按 API 推理成本计，约为其 1/10。
| 评测项 | 训练前 | 训练后 | GPT-5.6 Sol |
|---|---|---|---|
| 综合评分 | 83.4 | 87.8 | 86.4 |
| 对客回复 | 86.0 | 89.2 | 87.6 |
| 业务工具调用 | 79.5 | 85.6 | 84.7 |
推理成本按 API 推理成本计，约为 GPT-5.6 Sol 的 1/10；上图成本柱只表示相对比例。评测：对客回复 193 条、工具调用 191 条，三次评分均值。固定 Eval set 中三者均有三次有效评分，评分路由一致，评审模型为 GPT-5.6 Sol。综合评分 = 对客回复 × 60% + 工具调用 × 40%，按未四舍五入的分项均值计算；历史生成配置存在差异。来源：Eval set 三次重复评分缓存；训练后为 Final810。本图为同样本描述性对比，不代表已确认稳定领先。
客户表示“精华快用完，面霜还很多”。系统查询历史订单、核验优惠，确认精华规格与地址后建单；面霜仅在客户同意后设置提醒。最终形成精华订单与授权提醒记录，供顾问履约与后续服务使用。
在多轮行程规划与工具调用中，以 38B 后训练模型达到 DeepSeek V4 Flash（284B）水平：低质量回复占比 DeepSeek V4 Flash 为 12.16%，38B 后训练模型为 11.83%（越低越好）。
以企业业务数据训练专属模型
模型按企业自己的规则与流程处理客户需求。结合企业产品知识、业务 SOP、客户记录与订单系统训练专属模型，覆盖需求澄清、推进判断与工具执行三类能力，训练后接入企业现有智能体。
以业务评测验收效果
训练效果以业务评测结果衡量。在固定评测集上对比训练前后的模型与 GPT-5.6 Sol，分别评估对客回复与业务工具调用两项能力。
部署与交付
- 按业务场景训练的专属模型（如 27B 客户经营专属模型）
- 接入企业现有智能体，连接产品知识、业务 SOP、客户记录与订单系统
- 以固定评测集验收训练效果