一句话定义：基座模型（Base Model）是只经过大规模预训练、以“预测下一个词”为目标的模型；指令模型（Instruct Model）是在基座基础上，用“指令—回答”数据继续训练，从而能听懂并执行总结、翻译、分类等要求的模型。
严格说，Instruct 不是给 Base 换个提示词。它通常从同一套预训练权重出发，再经过后训练（post-training）得到，架构和分词器往往相同，但权重已经变了。若真拿完全相同的权重，只换提示词，Base 通常不会稳定变成 Instruct。可以想成同一块面团：Base 是生面团，Instruct 是蒸好的馒头。生面团也能吃，但你得会加工；馒头直接上桌。
Base 的任务很简单：给前文，补后文。它读网页、书籍、代码，学的是语言统计规律。你输入“帮我总结下面这段话”，它可能接着写“首先，要明确总结对象……”，因为它没把这句话当命令，只当成一段待续写的文本。它擅长续写、补全、风格模仿，却不一定听话。
Instruct 多了后训练：先用大量“指令→理想回答”样本做监督微调（SFT），再用人类偏好数据做对齐（如 RLHF、DPO）。训练中反复出现“请总结”“请翻译”及对应回答，模型因此学会识别角色和意图。推理时，聊天模板（chat template）会标出 system、user、assistant 等角色，模型看到 user 段落后更可能给出回答，而不是续写用户的话。
| 维度 | 基座模型 Base | 指令模型 Instruct |
|---|---|---|
| 训练目标 | 预测下一个词 | 预测下一个词 + 遵循指令、符合偏好 |
| 典型输入 | 任意文本 | 带角色标记的对话或指令 |
| 典型行为 | 续写、补全、模仿 | 回答、总结、分类、写代码 |
| 适合场景 | 继续预训练、领域适配、文本生成底层 | 助手、RAG、Agent、办公自动化 |
| 提示方式 | 给例子、给前缀更有效 | 直接下命令即可 |
对从业者：做垂直领域模型，常见路径是从 Base 继续预训练或做领域微调，再用指令数据让它“会干活”；若只做应用，直接用 Instruct 更省事。对普通人：日常聊天助手基本都是 Instruct 或在其上继续对齐的版本。遇到“不听话”的模型，先确认你用的是 Base 还是 Instruct，以及有没有套对聊天模板。具体选型以模型官方页面为准。