尽管基础模型为农业病虫害诊断提供了更强的跨任务迁移、多模态理解与开放词汇推理能力，但从研究原型走向田间部署仍受到若干核心挑战的制约。近期面向农业基础模型的综述指出，模型规模、推理延迟、数据质量与领域偏移共同决定了其在真实农业环境中的可用性与风险边界，且这些因素直接影响系统的安全性、可靠性与公平可及性（“谁能训练/部署大模型”）等问题（Feng et al., 2024；MDPI Agriculture 综述亦强调数据与部署约束对农业基础模型落地的限制）。