不能确定，因人而异。

要将小艺升级为大模型，可以考虑以下步骤：

1. 数据收集和准备：收集更多的训练数据，并按照预定的格式进行准备。数据量的增加可以提高模型的性能。

2. 模型架构优化：选择更复杂的模型架构，如深度神经网络（DNN）或者卷积神经网络（CNN），以提高精度和性能。

3. 参数调整和优化：使用更大的训练集，采用更多的迭代次数，并进行参数调整和优化，以最大限度地提高模型的性能。

4. 加入注意力机制：引入注意力机制可以提高模型对于输入的关注度，从而提高模型的效果。

5. 迁移学习：考虑使用已经训练好的模型作为大模型的初始参数，并通过微调进行进一步训练，以加快训练过程并提高准确性。

6. 分布式训练：考虑使用分布式训练方法，如数据并行和模型并行，以加速训练过程。

7. 硬件优化：使用更高性能的硬件设备，如图形处理器（GPU）或者云服务提供商的计算资源，以加快训练和推理速度。总体来说，升级到大模型需要更多的数据、更复杂的模型架构、更多的训练次数和参数调整，以及更高性能的硬件设备。