这是一份可复现的实操：在一块 8GB 显存的 RTX 3050 上微调 Gemma 4 E2B，目标是让它回答问题前少想一会儿。作者的判断是，廉价微调的起点其实是推理——模型得先答完几千道题才有东西可训练，而一块能以每秒 109 个 token 服务的卡已经能完成这一步。整条闭环在一块卡上跑 6 小时 44 分钟：模型自己生成训练数据用了 4 小时 1 分钟、共 370 万 token；训练 2 小时 10 分钟、峰值 4896 MiB（换成标准 QLoRA 栈则 1 小时 6 分钟）；在 250 道留出题上评测 32 分钟。训练出的文件字节级地放回 llama.cpp，格式和开始时完全一样。结论也很诚实：最好的微调只把「每个正确答案消耗的 token」降了 6.3%，代价是 250 题里少答对一道；而 llama.cpp 自带的 256 token 思考上限，不做任何训练就能降 35.8%。