模型微调 - 阿里云百炼 Agent Studio

在终端管理模型微调全生命周期：按文本、音频、图像、视频选择创建命令，管理微调任务、Checkpoint 和模型压缩。

任意命令追加 --help 可查看完整参数说明，例如 bl finetune list --help。本文命令明细以 bl 2.5.1 为基准核实。

按模态选择命令

模态	创建命令	说明
文本	`bl finetune text create`	文本生成模型微调，支持 sft、sft-lora、dpo、dpo-lora、cpt
音频	`bl finetune audio create`	音频模型微调
图像	`bl finetune image create`	图像生成模型微调
视频	`bl finetune video create`	视频生成模型微调

文本微调

bl finetune text create

创建文本模型微调任务（sft | sft-lora | dpo | dpo-lora | cpt）。需要 API Key 鉴权。语法

bl finetune text create

参数	类型	必填	说明
`--base-model <model>`	string	是	要微调的基础模型（例如 qwen3-8b；不是输出模型名称）
`--datasets <ids\|paths>`	string	是	数据集文件 ID 或本地路径，以逗号分隔（文本使用 .jsonl，音频、图片和视频使用 .zip）。本地路径会先验证并上传，再使用对应的 file-id。
`--validations <ids\|paths>`	string	否	验证数据集文件 ID 或本地路径，以逗号分隔（与 --datasets 一样自动上传）。
`--model-name <name>`	string	否	训练完成后的输出模型名称
`--suffix <text>`	string	否	平台追加的输出后缀（finetuned_output_suffix）
`--job-name <value>`	string	否	训练任务显示名称（job_name）
`--priority <value>`	string	否	请求的调度优先级；请核对服务端回执
`--eval-steps <value>`	number	否	训练验证间隔步数
`--lora-alpha <value>`	number	否	LoRA 缩放系数
`--lora-dropout <value>`	number	否	LoRA 丢弃率
`--lora-rank <value>`	number	否	LoRA 矩阵秩
`--lr-scheduler-type <value>`	string	否	所选模型支持的学习率调度策略
`--save-strategy <value>`	string	否	Checkpoint 保存策略
`--save-total-limit <value>`	number	否	最多保存的 Checkpoint 数量
`--save-steps <value>`	number	否	按 steps 保存时的间隔
`--split <value>`	number	否	未指定验证集时训练集所占比例
`--max-split-val-dataset-sample <value>`	number	否	自动切分验证集的样本数量上限
`--data-augmentation <value>`	string	否	是否混入平台训练数据（true 或 false）
`--training-type <t>`	string	否	训练类型：sft \| sft-lora \| dpo \| dpo-lora \| cpt（默认：sft-lora）。在接口边界转换为服务端值（例如 sft-lora -> efficient_sft、dpo -> dpo_full）。
`--n-epochs <n>`	number	否	训练轮数（默认：3）
`--batch-size <n>`	number	否	单设备 Batch Size（限制在 [8, 1024]）。小数据集（<100KB）自动设为 8
`--learning-rate <str>`	string	否	以字符串形式指定学习率以保留精度（例如 "1.6e-5"）
`--max-length <n>`	number	否	最大序列长度

示例：创建文本模型微调任务

bl finetune text create --base-model qwen3-8b --datasets file-xxx

训练类型遵循 <method> / <method>-lora 命名约定：sft（全量）| sft-lora（LoRA）| dpo（全量）| dpo-lora（LoRA）| cpt。这些值会在接口边界映射为服务端 training_type，因此 CLI 的其他部分不会接触服务端原始字符串。
提交任务前（非 dry-run），会通过 listFoundationModels 检查模型训练能力（无需登录控制台）；如果训练类型不受支持，会立即失败并列出该模型实际支持的训练类型。
n_epochs 默认为 3。其他超参数未设置时使用平台默认值。
学习率以字符串形式传递，避免 JSON 数字精度损失。
提交前检查：如果训练数据集的样本数不大于 batch_size，会在上传或消耗额度前拒绝任务（否则平台会在数据处理约 10 分钟后才失败）。

音频微调

bl finetune audio create

创建音频 TTS 模型微调任务（sft-lora）。需要 API Key 鉴权。语法

bl finetune audio create

参数	类型	必填	说明
`--base-model <model>`	string	是	要微调的基础模型（例如 qwen3-8b；不是输出模型名称）
`--datasets <ids\|paths>`	string	是	数据集文件 ID 或本地路径，以逗号分隔（文本使用 .jsonl，音频、图片和视频使用 .zip）。本地路径会先验证并上传，再使用对应的 file-id。
`--validations <ids\|paths>`	string	否	验证数据集文件 ID 或本地路径，以逗号分隔（与 --datasets 一样自动上传）。
`--model-name <name>`	string	否	训练完成后的输出模型名称
`--suffix <text>`	string	否	平台追加的输出后缀（finetuned_output_suffix）

示例：创建音频 TTS 模型微调任务

bl finetune audio create --base-model cosyvoice-v3-flash --datasets ./audio.zip

音频 TTS 训练使用 sft-lora（efficient_sft）和固定的 CosyVoice 超参数默认值；没有可设置的训练类型或超参数选项。

图像微调

bl finetune image create

创建图片生成模型微调任务（sft-lora）。需要 API Key 鉴权。语法

bl finetune image create

参数	类型	必填	说明
`--base-model <model>`	string	是	要微调的基础模型（例如 qwen3-8b；不是输出模型名称）
`--datasets <ids\|paths>`	string	是	数据集文件 ID 或本地路径，以逗号分隔（文本使用 .jsonl，音频、图片和视频使用 .zip）。本地路径会先验证并上传，再使用对应的 file-id。
`--validations <ids\|paths>`	string	否	验证数据集文件 ID 或本地路径，以逗号分隔（与 --datasets 一样自动上传）。
`--model-name <name>`	string	否	训练完成后的输出模型名称
`--suffix <text>`	string	否	平台追加的输出后缀（finetuned_output_suffix）
`--generation-type <t2i\|i2i>`	string	否	生成类型：t2i（默认）\| i2i。用于设置 generation_type/max_pixels。通过 file-id 训练 I2I 或使用 --dry-run 时必填（本地数据会自动识别 input_img）。
`--learning-rate <str>`	string	否	以字符串形式指定学习率以保留精度（例如 "3e-5"）

示例：创建图片生成模型微调任务

bl finetune image create --base-model wan2.7-image-pro --datasets ./images.zip

图片生成训练使用 sft-lora（efficient_sft）和固定默认值；仅 --learning-rate 可覆盖。通过 --generation-type（默认 t2i）声明 T2I 或 I2I，并设置 generation_type/max_pixels。本地数据会自动识别类型（包含 input_img 的记录训练 I2I）；通过 file-id 训练 I2I 或使用 --dry-run 时，请显式传入 --generation-type。

视频微调

bl finetune video create

创建视频生成模型微调任务（Wan i2v/kf2v，efficient_sft）。需要 API Key 鉴权。语法

bl finetune video create

参数	类型	必填	说明
`--base-model <model>`	string	是	要微调的基础模型（例如 qwen3-8b；不是输出模型名称）
`--datasets <ids\|paths>`	string	是	数据集文件 ID 或本地路径，以逗号分隔（文本使用 .jsonl，音频、图片和视频使用 .zip）。本地路径会先验证并上传，再使用对应的 file-id。
`--validations <ids\|paths>`	string	否	验证数据集文件 ID 或本地路径，以逗号分隔（与 --datasets 一样自动上传）。
`--model-name <name>`	string	否	训练完成后的输出模型名称
`--suffix <text>`	string	否	平台追加的输出后缀（finetuned_output_suffix）
`--n-epochs <n>`	number	否	训练轮数（默认：50）
`--batch-size <n>`	number	否	Batch Size（默认值因模型而异：wan2.7 为 1，wan2.5/2.2 为 4）
`--learning-rate <str>`	string	否	以字符串形式指定学习率以保留精度（默认："2e-5"）

示例：创建视频生成模型微调任务

bl finetune video create --base-model wan2.7-i2v --datasets file-xxx

视频生成训练（Wan i2v/kf2v）使用 efficient_sft 和模型专属默认值：wan2.7（batch_size=1、max_pixels=102400），wan2.5/2.2（batch_size=4，max_pixels 因模型而异）。可通过 --batch-size/--n-epochs 覆盖。
数据集为包含 data.jsonl、帧图片和视频的 .zip 归档。
建议至少准备 10 个训练样本；20–100 个样本可获得更稳定的效果。

微调任务管理

bl finetune list

列出微调任务。需要 API Key 鉴权。语法

bl finetune list [--page <n>] [--page-size <n>] [--status <s>] [--base-model <model>]

参数	类型	必填	说明
`--page <n>`	number	否	页码（默认：1）
`--page-size <n>`	number	否	每页结果数（默认：10，最多：100）
`--status <s>`	string	否	按状态筛选（PENDING / RUNNING / SUCCEEDED / FAILED / CANCELED）
`--base-model <model>`	string	否	按基础模型 ID 筛选（服务端筛选）

示例：列出运行中的微调任务

bl finetune list --status RUNNING

bl finetune get

获取单个微调任务的详情。需要 API Key 鉴权。语法

bl finetune get --job-id <id>

参数	类型	必填	说明
`--job-id <id>`	string	是	微调任务 ID

示例：获取单个微调任务详情

bl finetune get --job-id ft-xxx

bl finetune watch

查询微调任务状态（默认：单次非阻塞获取）。使用 --follow 持续轮询至终态。需要 API Key 鉴权。语法

bl finetune watch --job-id <id> [--follow] [--interval <sec>] [--poll-timeout <sec>]

参数	类型	必填	说明
`--job-id <id>`	string	是	微调任务 ID
`--follow`	switch	否	阻塞并轮询至终态（旧版行为）。不使用时仅查询一次状态并立即返回。
`--interval <sec>`	number	否	使用 --follow 时的轮询间隔秒数（默认：${DEFAULT_INTERVAL_SEC}，最小：${MIN_INTERVAL_SEC}）。未使用 --follow 时忽略。
`--poll-timeout <sec>`	number	否	使用 --follow 时，在指定秒数后停止轮询（默认：无限制）。未使用 --follow 时忽略。

示例：查询微调任务状态

bl finetune watch --job-id ft-xxx                       # 单次查询，立即返回

默认不使用 --follow，执行非阻塞的单次状态查询：获取一次后立即返回。该模式适用于 Agent / 脚本，由调用方控制轮询节奏，CLI 不会持续占用终端。
终态 FAILED/CANCELED 会触发普通 CLI 错误（非零退出码）；SUCCEEDED 或仍在运行时返回 0。使用 --follow 时，超过 --poll-timeout 会触发超时错误。
需要在人工终端中阻塞跟踪时使用 --follow；自行驱动轮询（例如通过 Agent）时使用默认模式。
要查看逐步骤训练输出（而非状态），请使用 finetune logs。

bl finetune logs

获取微调任务的训练日志。需要 API Key 鉴权。语法

bl finetune logs --job-id <id> [--page <n>] [--page-size <n>] [--search <keyword>] [--tail <n>]

参数	类型	必填	说明
`--job-id <id>`	string	是	微调任务 ID
`--page <n>`	number	否	页码（默认：1）
`--page-size <n>`	number	否	每页行数（默认：由服务端决定）
`--search <keyword>`	string	否	不区分大小写的子字符串筛选。设置后会获取全部日志页并在客户端筛选（忽略 --page）。
`--tail <n>`	number	否	仅保留最后 N 条记录。设置后会获取全部日志页并保留末尾 N 条（忽略 --page）。

示例：获取微调任务训练日志

bl finetune logs --job-id ft-xxx

bl finetune checkpoints

列出微调任务生成的 Checkpoint。需要 API Key 鉴权。语法

bl finetune checkpoints --job-id <id>

参数	类型	必填	说明
`--job-id <id>`	string	是	微调任务 ID

示例：列出微调任务生成的 Checkpoint

bl finetune checkpoints --job-id ft-xxx

SUCCEEDED Checkpoint 中显示的 model_name 可直接作为 deploy create --model-name 的输入。
Checkpoint 创建后约 15 天过期，expire_time 显示截止时间。请在过期前导出或部署。

bl finetune export

将 Checkpoint 发布为可部署模型。需要 API Key 鉴权。语法

bl finetune export --job-id <id> --checkpoint <name> --model-name <name>

参数	类型	必填	说明
`--job-id <id>`	string	是	微调任务 ID
`--checkpoint <name>`	string	是	来自 `finetune checkpoints` 的 Checkpoint 标识
`--model-name <name>`	string	是	可部署模型名称

示例：将 Checkpoint 发布为可部署模型

bl finetune export --job-id ft-xxx --checkpoint ckpt-3 --model-name my-qwen-sft

必须先执行此操作，deploy <modality> create 才能使用 Checkpoint。任务达到 SUCCEEDED 后，平台可能自动导出最佳 Checkpoint；对于非最佳 Checkpoint，显式导出是标准方式。

bl finetune cancel

取消正在运行的微调任务。需要 API Key 鉴权。语法

bl finetune cancel --job-id <id>

参数	类型	必填	说明
`--job-id <id>`	string	是	微调任务 ID

示例：取消正在运行的微调任务

bl finetune cancel --job-id ft-xxx

只有 PENDING / RUNNING 状态的任务可以取消。已完成、失败或已取消的任务会返回服务端错误（原样透传）。

bl finetune delete

删除微调任务记录。需要 API Key 鉴权。语法

bl finetune delete --job-id <id>

参数	类型	必填	说明
`--job-id <id>`	string	是	微调任务 ID
`--yes`	switch	否	确认执行此高风险操作

该操作会永久删除指定的微调任务记录，且无法撤销。

示例：删除微调任务记录

bl finetune delete --job-id ft-xxx

该操作不可撤销——任务记录将被永久删除。
请先通过 finetune cancel 取消 RUNNING 任务，平台拒绝删除仍在运行的任务。

bl finetune capability

查询微调训练能力：按模型查询其支持的训练类型，或按训练类型查询支持它的模型。无需鉴权。语法

bl finetune capability --base-model <m> | --training-type <t>

参数	类型	必填	说明
`--base-model <m>`	string	否	列出该基础模型支持的训练类型。
`--training-type <t>`	string	否	列出支持该训练类型的模型：sft \| sft-lora \| dpo \| dpo-lora \| cpt。

示例：查询 qwen3-8b 模型支持的训练类型

bl finetune capability --base-model qwen3-8b

--base-model 和 --training-type 必须且只能指定一个。
训练类型遵循 <method> / <method>-lora 命名约定：sft | sft-lora | dpo | dpo-lora | cpt。（服务端没有 cpt-lora 变体。）
查询公开 API listFoundationModels，无需登录控制台。

bl finetune price

估算微调任务的训练费用（按 Token 计费）。语法

bl finetune price --base-model <model> --datasets <ids> [--training-type <type>] [--n-epochs <n>]

参数	类型	必填	说明
`--base-model <model>`	string	是	待微调的基座模型（例如 qwen3-8b；不是输出模型名称）
`--datasets <ids>`	string	是	训练数据集文件 ID，多个以逗号分隔
`--training-type <type>`	string	否	训练类型：sft \| dpo \| cpt（默认：sft）
`--n-epochs <n>`	number	否	训练轮数（默认：3）

示例：估算 qwen3-8b 使用 file-ft-xxx 数据集的微调费用

bl finetune price --base-model qwen3-8b --datasets file-ft-xxx

该结果仅为估算值——服务端根据数据集计算 Token 用量，最终费用以账单为准。
支持估算 sft / dpo / cpt 的 Token 计费；此命令不支持训练单元（MTU）计费估算。
除 --n-epochs 外，其他超参数会使用具有代表性的固定默认值进行估算。

模型压缩

模型压缩用于量化支持的全参微调模型。先通过 templates 查询可用模板，再创建压缩任务；任务成功后，返回的 quantized_output 可作为 deploy text create --model-name 的输入。模型压缩 API 目前仅在北京地域开放。

bl finetune compress templates

列出可量化的模型及其压缩模板。需要 API Key 鉴权。语法

bl finetune compress templates [--model <model>]

参数	类型	必填	说明
`--model <model>`	string	否	按自定义模型 ID 或基础模型名称筛选

示例：查看支持压缩的模型和模板

bl finetune compress templates

仅返回支持的全参微调模型；LoRA 模型和已量化模型不会返回。
模板 ID 位于 output.custom_models[].templates[].template_id。output.base_models 只列出可量化的基础模型名称，不包含模板 ID。
templates[].hyper_parameters 为空表示该模板没有可调超参数，创建压缩任务时省略 --hparam。

bl finetune compress create

创建模型压缩任务。需要 API Key 鉴权。语法

bl finetune compress create --model <model> --template-id <id> [flags]

参数	类型	必填	说明
`--model <model>`	string	是	源自定义模型 ID
`--template-id <id>`	string	是	压缩模板 ID
`--job-name <name>`	string	否	唯一任务名称，最多 50 个字符
`--description <text>`	string	否	任务描述，最多 200 个字符
`--hparam <key=value>`	array	否	覆盖超参数（可重复）
`--calibration-files <file-id,...>`	string	否	校准数据集文件 ID，多个用逗号分隔
`--suffix <suffix>`	string	否	输出模型后缀（1–8 个小写字母或数字）

示例：使用指定模板创建压缩任务

bl finetune compress create --model qwen3.5-flash-2026-02-23-ft-xxx --template-id quant-flash-nvfp4-mlp-nomtp

bl finetune compress list

列出模型压缩任务。需要 API Key 鉴权。语法

bl finetune compress list [filters] [--page <n>] [--page-size <n>]

参数	类型	必填	说明
`--status <status>`	string	否	按任务状态筛选
`--model <model>`	string	否	按源模型 ID 筛选
`--template-id <id>`	string	否	按模板 ID 筛选
`--quant-spec <spec>`	string	否	按量化规格筛选
`--quant-method <method>`	string	否	按量化方法筛选
`--start-time <time>`	string	否	任务开始时间不早于该时间
`--end-time <time>`	string	否	任务结束时间不晚于该时间
`--search <keyword>`	string	否	搜索任务 ID 或名称
`--search-field <job_id\|job_name>`	string	否	将 --search 限定为任务 ID 或名称
`--sort-order <asc\|desc>`	string	否	按创建时间排序（默认：desc）
`--page <n>`	number	否	页码（默认：1）
`--page-size <n>`	number	否	每页结果数（默认：10，最多：100）

示例：列出最近成功的压缩任务

bl finetune compress list --status SUCCEEDED --page-size 20

bl finetune compress get

获取模型压缩任务详情。需要 API Key 鉴权。语法

bl finetune compress get --job-id <id>

参数	类型	必填	说明
`--job-id <id>`	string	是	压缩任务 ID

示例：查看指定压缩任务详情

bl finetune compress get --job-id quant-xxx

bl finetune compress watch

探测或持续跟踪压缩任务状态。需要 API Key 鉴权。语法

bl finetune compress watch --job-id <id> [--follow] [--interval <sec>] [--poll-timeout <sec>]

参数	类型	必填	说明
`--job-id <id>`	string	是	压缩任务 ID
`--follow`	switch	否	轮询直到任务进入终态
`--interval <sec>`	number	否	使用 --follow 时的轮询间隔（默认：10，最小：1）
`--poll-timeout <sec>`	number	否	超过该时长后停止轮询

示例：持续跟踪压缩任务直到结束

bl finetune compress watch --job-id quant-xxx --follow

不传 --follow 时只执行一次非阻塞状态探测。
任务成功后，可将 quantized_output 传给 deploy text create --model-name。

bl finetune compress logs

获取模型压缩任务日志。需要 API Key 鉴权。语法

bl finetune compress logs --job-id <id> [--offset <n>] [--lines <n> | --tail <n>]

参数	类型	必填	说明
`--job-id <id>`	string	是	压缩任务 ID
`--offset <n>`	number	否	跳过前 N 行（默认：0）
`--lines <n>`	number	否	读取行数（默认：100，最多：1000）
`--tail <n>`	number	否	读取最后 N 行日志

示例：读取最后 20 行压缩日志

bl finetune compress logs --job-id quant-xxx --tail 20

bl finetune compress cancel

取消模型压缩任务。需要 API Key 鉴权。语法

bl finetune compress cancel --job-id <id>

参数	类型	必填	说明
`--job-id <id>`	string	是	压缩任务 ID

示例：取消指定压缩任务

bl finetune compress cancel --job-id quant-xxx

仅 PENDING、QUEUING 或 RUNNING 状态的任务可以取消。

bl finetune compress delete

删除模型压缩任务记录。需要 API Key 鉴权。语法

bl finetune compress delete --job-id <id>

参数	类型	必填	说明
`--job-id <id>`	string	是	压缩任务 ID
`--yes`	switch	否	确认执行此高风险操作

该操作会永久删除压缩任务记录，且无法撤销。

示例：预览删除指定压缩任务记录

bl finetune compress delete --job-id quant-xxx --dry-run

仅终态任务可以删除；删除任务记录不会删除其量化输出模型。

​按模态选择命令

​文本微调

​bl finetune text create

​音频微调

​bl finetune audio create

​图像微调

​bl finetune image create

​视频微调

​bl finetune video create

​微调任务管理

​bl finetune list

​bl finetune get

​bl finetune watch

​bl finetune logs

​bl finetune checkpoints

​bl finetune export

​bl finetune cancel

​bl finetune delete

​bl finetune capability

​bl finetune price

​模型压缩

​bl finetune compress templates

​bl finetune compress create

​bl finetune compress list

​bl finetune compress get

​bl finetune compress watch

​bl finetune compress logs

​bl finetune compress cancel

​bl finetune compress delete

按模态选择命令

文本微调

bl finetune text create

音频微调

bl finetune audio create

图像微调

bl finetune image create

视频微调

bl finetune video create

微调任务管理

bl finetune list

bl finetune get

bl finetune watch

bl finetune logs

bl finetune checkpoints

bl finetune export

bl finetune cancel

bl finetune delete

bl finetune capability

bl finetune price

模型压缩

bl finetune compress templates

bl finetune compress create

bl finetune compress list

bl finetune compress get

bl finetune compress watch

bl finetune compress logs

bl finetune compress cancel

bl finetune compress delete