AI 助理
备案控制台
开发者社区 ModelScope模型即服务 文章 正文

开源大语言模型(LLM)汇总

2023-05-19 3585
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
本文涉及的产品
模型在线服务 PAI-EAS，A10/V100等 500元 1个月
推荐场景：
基于PAI-EAS挂载OSS部署AIGC服务
交互式建模 PAI-DSW，每月250计算时 3个月
推荐场景：
PAI×LLaMA Factory 微调 Llama3 模型
模型训练 PAI-DLC，100CU*H 3个月
推荐场景：
低代码 Lora 微调及部署
简介： 随着ChatGPT的火爆，越来越多人希望在本地运行一个大语言模型。为此我维护了这个开源大语言模型汇总，跟踪每天不发的大语言模型和精调语言模型。

开源大语言模型(LLM)汇总

33bda5f420f076384c3013ddd7bd70b6.png

随着ChatGPT的火爆，越来越多人希望在本地运行一个大语言模型。为此我维护了这个开源大语言模型汇总，跟踪每天不发的大语言模型和精调语言模型。

我将根据个模型采用的基础大模型进行分类，每个大模型下列出各派生模型。

Alpaca (Stanford)

斯坦福Alpaca：一种指令遵从型 LLaMA 模型。

以下是基于 Stanford Alpaca 项目的衍生模型或类似模型：

  • Alpaca.cpp
  • Alpaca-LoRA
  • Baize
  • Cabrita
  • BELLE
  • Luotuo
  • Vicuna
  • Chinese-Vicuna
  • GPT4All
  • Koala
  • llama.cpp
  • Lit-LLaMA ️

Alpaca.cpp

一个可以在本地设备上快速运行的类ChatGPT模型。视频中演示的模型具有4G权重，运行在M2芯片的Macbook Air上。视频是原始速度，没有加速。

Alpaca-LoRA

该项目使用低秩适应 (LoRA) 重现Stanford Alpaca。

项目提供了一个与 text-davinci-003 质量相似的指令模型，可以在 Raspberry Pi 上运行（用于研究），代码可以很容易地扩展到 13B、30B 和 65B 模型。

Baize

Baize 是一个使用 LoRA 微调的开源聊天模型。 它使用与 ChatGPT 聊天生成的 100k 对话进行训练。 还使用 Alpaca 的数据来提高其性能。 目前已经发布了 7B、13B 和 30B 规模模型。

Cabrita

基于LLaMA的葡萄牙语微调模型

BELLE

BELLE 基于斯坦福的 Alpaca 完成，对中文做了优化，并对生成代码进行了一些修改，模型调优仅使用由 ChatGPT 生产的数据（不包含任何其他数据）。

Luotuo

来自商汤科技和华中科技大学开源中文语言模型骆驼 Luotuo，该项目基于 LLaMA、Stanford Alpaca、Alpaca LoRA、Japanese-Alpaca-LoRA 等完成，单卡就能完成训练部署。

Vicuna (FastChat)

一个达到ChatGPT 90%效果的开源聊天机器人。

Chinese-Vicuna

一个中文低资源的LLaMA + LoRA方案，结构参考Alpaca

GPT4All

基于 LLaMA，用大约 800k GPT-3.5-Turbo 生成数据训练的助手式大语言模型。

Koala

Koala 是一个在 LLaMA 上微调的语言模型。

llama.cpp

用纯C/C++实现的LLaMA模型推理。支持3个模型：LLaMA, Alpaca和GPT4All

Lit-LLaMA ️

LLaMA 的独立实现，支持量化、LoRA微调和预训练。在 Apache 2.0 许可下完全开源。 此实现基于 nanoGPT。

BLOOM (BigScience)

BigScience 大型开放科学开放存取多语言模型。

以下是基于 BigScience BLOOM 项目的衍生模型或类似模型：

  • BLOOM-LoRA
  • Petals

BLOOM-LoRA

各种指令调优数据集的低秩适应模型。

Petals

使用分布式 176B 参数 BLOOM 或 BLOOMZ 生成文本，并根据您自己的任务对其进行微调。

Flamingo (Google/Deepmind)

使用单一视觉语言模型处理多项任务

以下是基于 Flamingo 项目的衍生模型或类似模型：

  • Flamingo — Pytorch
  • OpenFlamingo

Flamingo — Pytorch

在 Pytorch 中实现 Flamingo。包括感知器重采样器（包括学习查询贡献要注意的键/值的方案，以及媒体嵌入）、专门的掩码交叉注意力块，以及交叉注意力末端的 tanh 门控 + 相应的前馈块。

OpenFlamingo

DeepMind Flamingo 模型的开源版本。提供了用于训练和评估 OpenFlamingo 模型的 PyTorch 实现。还提供了在新的多模态 C4 数据集（即将推出）上训练的初始 OpenFlamingo 9B 模型。

FLAN (Google)

包含用于生成指令调优数据集集合的代码。 第一个是原始的 Flan 2021，记录在 Finetuned Language Models are Zero-Shot Learners 中；第二个是扩展版本，被称为 Flan Collection，记录在 The Flan Collection: Designing Data and Methods for Effective Instruction Tuning 中，用于生成 Flan-T5 和 Flan-PaLM。

以下是基于 FLAN 项目的衍生模型或类似模型：

  • Flan-Alpaca
  • Flan-UL2

Flan-Alpaca

来自人类和机器的指令调优。 包含用于将 Stanford Alpaca 合成指令调优扩展到现有指令调优模型（例如 Flan-T5）的代码。 HuggingFace 上提供了预训练模型和演示。

Flan-UL2

Flan-UL2是基于T5架构的编解码器模型。 它使用与去年早些时候发布的 UL2 模型相同的配置。 使用“Flan”提示调整和数据集收集对其进行了微调。

GLM (General Language Model)

GLM 是一种使用自回归填空目标进行预训练的通用语言模型，可以针对各种自然语言理解和生成任务进行微调。

以下是基于 GLM 项目的衍生模型或类似模型：

  • GLM-130B
  • ChatGLM-6B

GLM-130B

GLM-130B是一个开放的双语（英汉）双向密集模型，拥有1300亿个参数，使用通用语言模型（GLM）的算法进行预训练。 它旨在在单台A100（40G 8）或V100（32G 8）服务器上用具有130B参数模型进行推理任务。 通过 INT4 量化，硬件要求可以进一步降低到具有 4 * RTX 3090（24G）的单个服务器，而性能几乎没有下降。 截至 2022 年 7 月 3 日，GLM-130B 已经接受了超过 4000 亿个文本标记的训练（中文和英文各 200B）。

ChatGLM-6B

ChatGLM-6B 是一个开源的、支持中英双语的对话语言模型，基于 General Language Model (GLM) 架构，具有 62 亿参数。结合模型量化技术，用户可以在消费级的显卡上进行本地部署（INT4 量化级别下最低只需 6GB 显存）。 ChatGLM-6B 使用了和 ChatGPT 相似的技术，针对中文问答和对话进行了优化。经过约 1T 标识符的中英双语训练，辅以监督微调、反馈自助、人类反馈强化学习等技术的加持，62 亿参数的 ChatGLM-6B 已经能生成相当符合人类偏好的回答。

GPT-J (EleutherAI)

GPT-J 是 EleutherAI 开发的开源人工智能语言模型。GPT-J 在各种零样本下游任务上的表现与 OpenAI 的 GPT-3 非常相似，甚至在代码生成任务上的表现优于它。

最新版本 GPT-J-6B 是一种基于名为 The Pile) 的数据集的语言模型。The Pile 是一个开源的 825 GB 语言建模数据集，分为 22 个较小的数据集。GPT-J 在能力上与 ChatGPT 类似，虽然它不具有聊天机器人的功能，仅作为文本预测器。

以下是基于 GPT-J 项目的衍生模型或类似模型：

  • Dolly

Dolly (Databricks)

Databricks 的 Dolly 是一个在 Databricks 机器学习平台上训练的大型语言模型，它基于开源模型 (GPT-J) 在对 50k的重点语料库(Stanford Alpaca)进行仅 30 分钟的微调 ，就表现出令人惊讶的高质量指令遵循行为。 我们认为这一发现很重要，因为它表明创造强大的人工智能技术的能力比以前意识到的要容易得多。

Cerebras-GPT (Cerebras)

一系列开源、高效的大型语言模型。 Cerebras 开源了七个 GPT-3 模型，参数从 1.11 亿到 130 亿。 这些模型使用 Chinchilla 公式进行训练，为准确性和计算效率设定了新的基准。

GPT-NeoX

该项目记录了 EleutherAI 用于在 GPU 上训练大规模语言模型的库。 当前的框架基于 NVIDIA 的 Megatron 语言模型，并通过 DeepSpeed 技术以及一些新颖的优化得到了增强。 目标是使这个项目成为一个可访问的集散地，以收集训练大规模自回归语言模型的技术，并加速对大规模训练的研究。

HuggingGPT

HuggingGPT 是一个协作系统，由作为控制器的 LLM 和作为协作执行者的众多专家模型组成（来自 HuggingFace Hub）。

Polyglot

多语言均衡能力的大型语言模型。 由于对当前多语言模型的非英语性能不满意，Polyglot团队制作了非英语语言性能更高的多语言模型，并将其命名为“Polyglot”。

Pythia

跨时间和尺度解释自回归Transformer

Segment Anything

Segment Anything Model (SAM) 根据输入提示（例如点或框）生成高质量的对象掩码，它可用于为图像中的所有对象生成掩码。 它已经在 1100 万张图像和 11 亿个掩码的数据集上进行了训练，并且在各种分割任务上具有很强的零样本性能。

The RWKV Language Model

RWKV：具有 Transformer 级 LLM 性能的可并行化 RNN（RWKV来自Transformer的4 个主要参数：R W K V）

XGLM

XGLM 模型是 Few-shot Learning with Multilingual Language Models 中提出的模型。

文章标签：
C++
自然语言处理
机器学习/深度学习
算法框架/工具
异构计算
机器人
PyTorch
物联网
芯片
算法
关键词：
大语言模型LLM
JarodYv
目录
相关文章
Deephub
|
2月前
|
机器学习/深度学习 算法 物联网
Google开源Tunix：JAX生态的LLM微调方案来了
Tunix是Google推出的基于JAX的LLM后训练库，支持微调、强化学习与知识蒸馏，集成Flax NNX，主打TPU优化与模块化设计，支持QLoRA等高效训练方法，适用于高性能分布式训练场景。
Deephub
274 13
Google开源Tunix：JAX生态的LLM微调方案来了
蚝油菜花
|
8月前
|
人工智能 自然语言处理 测试技术
能够双向推理的LLM！Dream-7B：港大联合华为开源的扩散推理模型，能够同时考虑前后文信息
Dream-7B是由香港大学与华为诺亚方舟实验室联合研发的开源扩散大语言模型，采用独特的掩码扩散范式，在文本生成、数学推理和代码编写等任务中展现出卓越性能。
蚝油菜花
350 3
能够双向推理的LLM！Dream-7B：港大联合华为开源的扩散推理模型，能够同时考虑前后文信息
aliyun9170107523-43660
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
37_开源LLM：LLaMA与Mistral的突破_深度解析
在人工智能领域，2025年已经成为开源大语言模型的黄金时代。从Meta的LLaMA系列到欧洲初创公司Mistral AI的创新突破，开源LLM正在重塑整个AI生态系统的格局。截至2025年4月，Meta的LLaMA系列已成为全球下载量最高、社区使用最活跃的开源大语言模型之一，并被集成于数百个学术项目、创业平台和AI产品之中
aliyun9170107523-43660
359 1
小华同学ai
|
9月前
|
人工智能 数据可视化 API
36.7K star！拖拽构建AI流程，这个开源LLM应用框架绝了！
`Flowise` 是一款革命性的低代码LLM应用构建工具，开发者通过可视化拖拽界面，就能快速搭建基于大语言模型的智能工作流。该项目在GitHub上线不到1年就斩获**36.7K星标**，被开发者誉为"AI时代的乐高积木"。
小华同学ai
525 8
蚝油菜花
|
10月前
|
机器学习/深度学习 存储 人工智能
MNN-LLM App：在手机上离线运行大模型，阿里巴巴开源基于 MNN-LLM 框架开发的手机 AI 助手应用
MNN-LLM App 是阿里巴巴基于 MNN-LLM 框架开发的 Android 应用，支持多模态交互、多种主流模型选择、离线运行及性能优化。
蚝油菜花
7424 80
MNN-LLM App：在手机上离线运行大模型，阿里巴巴开源基于 MNN-LLM 框架开发的手机 AI 助手应用
蚝油菜花
|
8月前
|
机器学习/深度学习 人工智能 算法
RAGEN：RL训练LLM推理新范式！开源强化学习框架让Agent学会多轮决策
RAGEN是一个基于StarPO框架的开源强化学习系统，通过马尔可夫决策过程形式化Agent与环境的交互，支持PPO、GRPO等多种优化算法，显著提升多轮推理训练的稳定性。
蚝油菜花
884 5
RAGEN：RL训练LLM推理新范式！开源强化学习框架让Agent学会多轮决策
游客yklred6fma7xc
|
人工智能 自然语言处理 前端开发
基于RAG和LLM的水利知识大语言模型系统开发有感
在数字化时代，水利行业的智能化管理尤为重要。本文介绍了基于大语言模型（LLM）和检索增强生成（RAG）技术的水利知识问答系统的开发过程。该系统结合了前沿AI技术和水利专业知识，通过构建全面的水利知识库，优化用户体验，确保系统的灵活性和可扩展性。项目展示了AI技术在垂直领域的巨大潜力，为水利行业的智能化发展贡献力量。
游客yklred6fma7xc
697 1
蚝油菜花
|
9月前
|
人工智能 并行计算 语音技术
Open-LLM-VTuber：宅男福音！开源AI老婆离线版上线，实时语音+Live2D互动还会脸红心跳
Open-LLM-VTuber 是一个开源的跨平台语音交互 AI 伴侣项目，支持实时语音对话、视觉感知和生动的 Live2D 动态形象，完全离线运行，保护用户隐私。
蚝油菜花
980 10
Open-LLM-VTuber：宅男福音！开源AI老婆离线版上线，实时语音+Live2D互动还会脸红心跳
楠竹11
|
人工智能 自然语言处理
FBI-LLM低比特基础大语言模型来了，首个完全从头训练的二值化语言模型
【8月更文挑战第22天】《FBI-LLM：通过自回归蒸馏从头开始扩展全二值化大语言模型》由Ma等学者发布于arXiv。该研究呈现了首个完全从头训练的全二值化大语言模型FBI-LLM，在不牺牲性能的前提下大幅降低计算资源需求。通过自回归蒸馏技术，FBI-LLM在多种任务上展现出与高精度模型相当的表现，为二值化模型的发展开辟新路径，并有望推动专用硬件的进步。研究者公开了所有相关资源以促进领域内的进一步探索。
楠竹11
222 10
小华同学ai
|
8月前
|
人工智能 自然语言处理 数据可视化
89.4K star！这个开源LLM应用开发平台，让你轻松构建AI工作流！
Dify 是一款开源的 LLM 应用开发平台，通过直观的可视化界面整合 AI 工作流、RAG 管道、智能代理等功能，助你快速实现从原型到生产的跨越。支持本地部署和云端服务，提供企业级功能与完整 API 接口。
小华同学ai
435 4

ModelScope模型即服务

热门文章

最新文章

  • 1
    Meta SAM3开源：让图像分割，听懂你的话
  • 2
    AgentEvolver：让智能体系统学会「自我进化」
  • 3
    Manga Image Translator：开源的漫画文字翻译工具，支持多语言翻译并嵌入原图，保持漫画的原始风格和布局
  • 4
    Qwen3-VL新成员 2B、32B来啦！更适合开发者体质
  • 5
    MNN-LLM App：在手机上离线运行大模型，阿里巴巴开源基于 MNN-LLM 框架开发的手机 AI 助手应用
  • 6
    智胜未来：国内大模型+Agent应用案例精选，以及主流Agent框架开源项目推荐
  • 7
    Gemini 3 Nano Banana 的MCP服务器开发设计和 国内直连方案
  • 8
    告别Hugging Face模型下载难题：掌握高效下载策略，畅享无缝开发体验
  • 9
    阿里云通义千问向全社会开放！
  • 10
    字节推出VeAgentBench + veADK，打造可评估、可复现的智能体开发新范式
  • 1
    Z-Image：冲击体验上限的下一代图像生成模型
    11
  • 2
    你的团队是"精锐特种兵"，还是"草台班子"？就差这一份"源代码"
    27
  • 3
    NeurIPS 2025 | 浙大、浙工大等团队提出LRMs 自适应思考：简单任务快处理，复杂任务深分析
    31
  • 4
    短难误判率仅2%，新一代网关路由SHG，在P95不升前提下完胜RouteLLM。
    56
  • 5
    PPO最强，DPO一般？一文带你了解常见三种强化学习方法，文末推荐大模型微调神器！
    91
  • 6
    Gemini 3 Nano Banana 的MCP服务器开发设计和 国内直连方案
    174
  • 7
    StackOverflow已经死亡了吗
    113
  • 8
    NeurlPS 2025！多伦多大学TIRE助力3D/4D 生成精准保留主体身份
    68
  • 9
    贝聿铭的 “数字续作”：蚂蚁百宝箱 × 苏州博物馆，用 AI 重构文化地标
    86
  • 10
    字节推出VeAgentBench + veADK，打造可评估、可复现的智能体开发新范式
    161

    • 相关电子书

    更多
  • PAI灵骏智算 构建全链路LLM服务的最佳实践
  • 低代码开发师（初级）实战教程
  • 阿里巴巴DevOps 最佳实践手册

    • 相关实验场景

    更多
  • SAE极速部署个人LLM效能工具
    • 下一篇
    全面了解阿里云OSS使用方法