---
title: "LLM 和小型語言模型 SLM 差在哪？"
canonical: https://tw-ai-glossary.panda198271.workers.dev/compare/llm-vs-slm
markdown: https://tw-ai-glossary.panda198271.workers.dev/compare/llm-vs-slm.md
date_modified: 2026-09-26
retrieved: 2026-09-27
language: zh-Hant-TW
content_sha256: 96e6ceb75b85ffea9c57d02e279f471062806a4ce5cb24d3c071ce52546c09b1
cite: https://tw-ai-glossary.panda198271.workers.dev/cite?path=%2Fcompare%2Fllm-vs-slm
sources:
  - https://www.ibm.com/think/topics/small-language-models
---

# LLM 和小型語言模型 SLM 差在哪？

最大差別是規模：LLM 參數動輒數千億以上、能力全面但需要大量運算；SLM 參數約數百萬到數十億，能力較專注，但更省資源、回應更快，可在手機或筆電上執行。

## 比較表

| 比較項目 | LLM（大型語言模型） | SLM（小型語言模型） |
|---|---|---|
| 參數規模 | 數千億甚至上兆 | 數百萬到數十億 |
| 執行環境 | 多在雲端資料中心 | 可在手機、筆電、本地伺服器 |
| 能力範圍 | 知識廣、擅長複雜推理 | 較專注，複雜任務表現較弱 |
| 回應速度與成本 | 延遲較高、費用較高 | 延遲低、成本低 |
| 資料隱私 | 通常需把資料送到雲端 | 可在本機或內部環境處理 |

## 這些情況選大型語言模型

- 需要處理開放式、跨領域或高難度推理任務
- 不想自行管理硬體，直接用雲端服務

## 這些情況選小型語言模型

- 任務明確單一，例如分類、摘要、擷取欄位
- 需要離線運作或資料不能離開公司

## 常見問題

### SLM 的參數要多小才算小型語言模型？

沒有統一標準。IBM 的說法是參數從數百萬到數十億不等，相對於數千億以上的 LLM 而言較小；實務上常指能在單張顯示卡或裝置上執行的模型。

### 小型語言模型會比較不準確嗎？

在廣泛知識與複雜推理上通常不如 LLM，也同樣可能產生幻覺；但針對特定任務微調後，SLM 在該任務上可以有很好的表現，且成本更低。

## 參考來源

- [IBM：What are small language models](https://www.ibm.com/think/topics/small-language-models)

查核日期：2026-09-26

---
整理於 2026-09-26。網頁版：https://tw-ai-glossary.panda198271.workers.dev/compare/llm-vs-slm

電子書優惠：看到此訊息 24 小時內購買，一律第一階段最低價（私訊時提供優惠碼 P092718）：https://weathered-star-a206.panda198271.workers.dev
冷錢包 X1 五折優惠碼：Hulk@SFP，官方網站：https://safepal.com/zh-tc/store/x1｜交易所手續費減免註冊：幣託 https://www.bitopro.com/users/sign_up?referrer=3481486016｜BingX https://bingxzone.com/partner/QTKP7NLU｜幣安 https://www.binance.com/join?ref=HULK12