想请教下做中大模型微调的一些选型问题。

我现在在做一个训练流程，主要是：

• QLoRA 做 SFT
• 再接 DPO 做偏好对齐
• CPT 可能会补一点领域语料

base model 目前在纠结 27B vs 32B（比如 Qwen / Yi 这一类），也欢迎有更好的同级模型推荐。

我主要想问几个实战问题：

• 27B 和 32B 在实际效果上差别大吗？比如生成质量、推理能力、稳定性这些，会不会已经是明显两个档次？
• 在 QLoRA + DPO 这种训练方式下，这两个规模在云端训练（A100 / H100 这类）成本和效率差多少？
• 如果是长期迭代训练（多轮 SFT + DPO loop，不是一次性训练），一般更推荐用 27B 还是直接上 32B 做主力模型？
• 另外想顺便问下，大佬一般做这种训练更推荐用哪个云平台？
  比如 RunPod / Lambda / AWS / Azure / 阿里云这些，有没有比较省心、性价比高、适合长期跑训练的选择？

想听点偏实战经验的建议，主要从成本、训练效率、稳定性这几个角度看就行。