付费还是开源？用 Claude Haiku 与 Qwen3-8B 蒸馏 LLM 做 Olist 评价方面分析，在 8 GB AMD GPU 上完成

同一 Qwen3-1.7B+LoRA 学生模型在 9 千条 Olist 评价上分别用 Claude Haiku 与 Qwen3-8B 生成的标签训练，在 329 条测试集上 F1 macro 分别为 0.784 和 0.690。Qwen3-8B 标签训练的学生达到教师 97% 的 F1（0.690 对 0.709），速度约 3 倍（6.8 对 2.5 条/秒），全程无需付费 API。Qwen3-8B 用 Ollama+Vulkan 在约 67 分钟内标注 1 万条评价，训练在 RX 7600 8 GB 上峰值占用 4.3 GB VRAM，模型与标签已上传 Hugging Face。