Instruction-Tuned Model 的核心概念是「在 base model 之上、用指令-回答對資料進一步微調」。微調目的是讓模型理解「使用者問 X、應該回答 Y」這種交互模式。寫 code 場景該用的就是 instruction-tuned 模型（多半標 -instruct 或 -it）。

概念位置

Instruction tuning 是 LLM 訓練 pipeline 的中間階段：base model（純文字接龍）→ instruction-tuned（會跟指令走）→ RLHF（進一步對齊人類偏好）。寫 code 用的 Gemma 4 31B、Qwen3-Coder 30B、Llama 3.3 70B 等都是 instruction-tuned 版本。

可觀察訊號與例子

Ollama tag 中的 instruct、it 是 instruction-tuned 標記：

模型 tag解讀
gemma4:31b-instruct-q5_K_MGemma 4、instruct-tuned
llama3.3:70b-instruct-q4_K_MLlama 3.3、instruct-tuned
qwen3-coder:30bQwen3-Coder（預設就是 instruct，未必額外標）

Coding-tuned 是 instruction-tuned 的特化版本，再加上大量 code 訓練資料；Qwen3-Coder、Gemma 4 coding 版本都屬於這類。

設計責任

寫 code 場景的預設選擇是 instruction-tuned + coding-specialized 模型。看到 Ollama tag 沒有 instruct 字樣（如 llama3.3:70b-base）的版本、那是 base model、跟指令走的能力較差、適合下游微調而非直接對話。