Back to Details

bailian-finetune

Compare original and translation side by side

🇺🇸

Original

English
🇨🇳

Translation

Chinese

Bailian fine-tuning pipeline (
bl dataset
/ 
bl finetune
/ 
bl deploy
)

百炼模型精调流程（
bl dataset
/ 
bl finetune
/ 
bl deploy
）

CRITICAL — Before executing, MUST read the shared protocol in 
../bailian-protocol/SKILL.md
: Version & updates (pre-flight checklist), Setup & auth, and CLI errors: report an issue. Command details are authoritative in 
reference/
 (dataset / finetune / deploy) and 
bl <command> --help
— do not guess flags. The whole pipeline requires an API key. If that protocol file is missing, stop and run 
npx skills add modelstudioai/cli --all -g
; do not guess auth/consent.
重要提示 — 执行前必须阅读 
../bailian-protocol/SKILL.md
 中的共享协议：版本与更新（预检清单）、设置与认证，以及CLI错误上报方式。命令详情以 
reference/
（dataset / finetune / deploy）和 
bl <command> --help
为准，请勿猜测参数。整个流程需要 API key。若缺少该协议文件，请停止操作并执行 
npx skills add modelstudioai/cli --all -g
，请勿自行尝试认证/授权。

End-to-end workflow (follow in order)

端到端工作流（按顺序执行）

1. Validate data   bl dataset validate --file train.jsonl [--schema chatml|dpo|cpt|tts|image]
2. Upload data     bl dataset upload --file train.jsonl          # returns a file-id
3. Create job      bl finetune text|audio|image create --model <base> --datasets <file-id|path>
4. Watch progress  bl finetune watch --job-id ft-xxx             # or get / logs
5. Pick artifact   bl finetune checkpoints --job-id ft-xxx
6. Export model    bl finetune export --job-id ft-xxx --checkpoint ckpt-N --model-name my-model
7. Deploy service  bl deploy text|audio|image create --model my-model --name my-svc
  • Unsure which training methods a base model supports → 
    bl finetune capability --model <base>
    or 
    --training-type sft|sft-lora|dpo|cpt
    .
  • Text 
    --training-type
    values: 
    sft
    / 
    sft-lora
    / 
    dpo
    / 
    dpo-lora
    / 
    cpt
    . Audio bases include 
    cosyvoice-v3-flash
    ; image bases include 
    wan2.7-image-pro
    .
  • Deployment plans: audio defaults to 
    --plan mu
    ; text/image default to 
    lora
    .
  • Preview write operations (create / delete / cancel / scale) with 
    --dry-run
    first, and confirm with the user before deleting a job or dataset.
1. 校验数据   bl dataset validate --file train.jsonl [--schema chatml|dpo|cpt|tts|image]
2. 上传数据     bl dataset upload --file train.jsonl          # 返回 file-id
3. 创建任务      bl finetune text|audio|image create --model <base> --datasets <file-id|path>
4. 查看进度  bl finetune watch --job-id ft-xxx             # 或使用 get / logs 命令
5. 选择产物   bl finetune checkpoints --job-id ft-xxx
6. 导出模型    bl finetune export --job-id ft-xxx --checkpoint ckpt-N --model-name my-model
7. 部署服务  bl deploy text|audio|image create --model my-model --name my-svc
  • 不确定基础模型支持哪种训练方式 → 执行 
    bl finetune capability --model <base>
    或 
    --training-type sft|sft-lora|dpo|cpt
    。
  • 文本类 
    --training-type
    参数值：
    sft
    / 
    sft-lora
    / 
    dpo
    / 
    dpo-lora
    / 
    cpt
    。音频类基础模型包含 
    cosyvoice-v3-flash
    ；图像类基础模型包含 
    wan2.7-image-pro
    。
  • 部署方案：音频默认使用 
    --plan mu
    ；文本/图像默认使用 
    lora
    。
  • 写操作（创建 / 删除 / 取消 / 扩容）请先使用 
    --dry-run
    预览，删除任务或数据集前需与用户确认。

When to use which command

命令适用场景

IntentCommand
Validate / upload training data
bl dataset validate
/ 
upload
(
.jsonl
or 
.zip
)
Dataset list / detail / delete
bl dataset list
/ 
get
/ 
delete
Create a fine-tuning job
bl finetune text|audio|image create
Job list / detail / follow
bl finetune list
/ 
get
/ 
watch
/ 
logs
Artifacts and export
bl finetune checkpoints
/ 
export
Cancel / delete a job
bl finetune cancel
/ 
delete
Trainable capability lookup
bl finetune capability
Deploy / lifecycle
bl deploy text|audio|image create
, 
list
/ 
get
/ 
update
/ 
scale
/ 
delete
/ 
models
Flags, usage, and examples: see 
reference/
 or 
bl <command> --help
— do not guess flags.
需求命令
校验/上传训练数据
bl dataset validate
/ 
upload
（支持 
.jsonl
或 
.zip
格式）
数据集列表/详情/删除
bl dataset list
/ 
get
/ 
delete
创建精调任务
bl finetune text|audio|image create
任务列表/详情/跟踪
bl finetune list
/ 
get
/ 
watch
/ 
logs
产物与导出
bl finetune checkpoints
/ 
export
取消/删除任务
bl finetune cancel
/ 
delete
可训练能力查询
bl finetune capability
部署/生命周期管理
bl deploy text|audio|image create
, 
list
/ 
get
/ 
update
/ 
scale
/ 
delete
/ 
models
参数、用法及示例请查看 
reference/
 或 
bl <command> --help
，请勿猜测参数。

Quick examples

快速示例

bash
bl dataset validate --file train.jsonl
bl dataset upload --file train.jsonl
bl finetune text create --model qwen3-8b --training-type sft-lora --datasets file-xxx
bl finetune watch --job-id ft-xxx
bl finetune export --job-id ft-xxx --checkpoint ckpt-3 --model-name my-qwen-sft
bl deploy text create --model my-qwen-sft --name my-svc
bash
bl dataset validate --file train.jsonl
bl dataset upload --file train.jsonl
bl finetune text create --model qwen3-8b --training-type sft-lora --datasets file-xxx
bl finetune watch --job-id ft-xxx
bl finetune export --job-id ft-xxx --checkpoint ckpt-3 --model-name my-qwen-sft
bl deploy text create --model my-qwen-sft --name my-svc

Common hand-offs

常见转接场景

软 hand-off（按 skill 名；已安装则 Read，否则 
--help
/ 提示 
npx skills add modelstudioai/cli --all -g
）：
  • After deployment, try the model or generate content → skill 
    bailian-gen
    (media) or 
    bl text chat
    (fallback: 
    bl image\|video\|text --help
    ).
  • Unsure which base model to pick → 
    bailian-model-recommend
    / 
    bl advisor recommend
    .
  • Training quota / usage questions → skill 
    bailian-cli
    (fallback: 
    bl quota
    / 
    bl usage --help
    ).
软转接（按 skill 名称；已安装则查看文档，否则使用 
--help
/ 提示执行 
npx skills add modelstudioai/cli --all -g
）：
  • 部署完成后，测试模型或生成内容 → 使用 skill 
    bailian-gen
    （多媒体）或 
    bl text chat
    （备选：
    bl image\|video\|text --help
    ）。
  • 不确定选择哪个基础模型 → 使用 
    bailian-model-recommend
    / 
    bl advisor recommend
    。
  • 训练配额/使用量相关问题 → 使用 skill 
    bailian-cli
    （备选：
    bl quota
    / 
    bl usage --help
    ）。

references

参考资料

  • bailian-protocol — shared protocol (install via 
    --all -g
    )
  • reference/ — command details
  • bailian-protocol — 共享协议（通过 
    --all -g
    安装）
  • reference/ — 命令详情