自ChatGPT为代表的大语言模型（Large Language Model，LLM）出现以后，由于其 惊人的类通用人工智能（AGI）的能力，掀起了新一轮自然语言处理领域的研究和应用的浪潮。以ChatGLM、LLaMA等平民玩家跑起较小规模的LLM开源模型后，大家 一致支持了非常多基于LLM的二次配置或应用的案例。

本项目旨在收集和整理中文LLM相关的开源模型、应用、数据集及教程等资料，目前收录的资源已达100+个！

公众号： AI学研社 整理

地址：https://github.com/LiuHC0428/LAW-GPT

简介: 本项目开源的中文法律通用模型由ChatGLM-6B LoRA 16位指令调节获取。数据集包括现有的法律问答数据集和基于法条和真实案例指导的自我指导构建的高质量法 律文本问答，提高了通用语言大模型在法律领域的表现，提高了模型回答的可靠性和专业程度。

地址：https://github.com/pengxiao-song/LaWGPT

简介：该系列模型在通用中文基础模型（如Chinese-LLaMA、ChatGLM等）的基础上增强了法律领域母词表、大规模中文法律语料预训练，增强了大模 型在法律领域的基础语义理解在此基础上，构建了法律领域对话问答数据集、中国司法考试数据集进行指令精调，提升了模型对法律内容的理解和执行能力。

地址：https://github.com/CSHaitao/LexiLaw

简介：LexiLaw是 一个基于ChatGLM- 6B调节的中文法律大模型，通过在法律领域的数据集上进行调节。该模型旨在为法律从业者、学生和普通用户提供准确、可靠的法律咨询服务，包括具体法律问题的咨询，还是对法 律条款、案例解析、法规解读等方面的查询。

地址：https://github.com/AndrewZhe/lawyer-llama

简介：开源了一系列法律领域的指令参数数据和基于LLaMA训练的中文法律大模型的参数。Lawyer LLaMA首先在大规模法律语言料上进行了持续的 预训练。在此基础上，借助ChatGPT收集了一些对中国国家统一法律职业资格考试侦查题（以下简称法考）的分析和对法律咨询的解答，利用收集到的数据对模型进行指令调校 ，让模型习得将法律知识应用到具体场景中的能力。

地址：https://github.com/siat- nlp/HanFei

简介: HanFei-1.0(韩非)是国内首个全参数的法律大模型，参数量7b，主要功能包括：法律问答、多轮对话、撰写文章、检索等。

地址：https://github.com/PKU-YuanGroup/ChatLaw

简介：由北大的一系列法律领域的大开源模型，包括ChatLaw-13B（基于姜子牙Ziya- LLaMA-13B-v1训练传来），ChatLaw-33B（基于Anima-33B训练传来，逻辑推理能力大幅提升） ），ChatLaw-Text2Vec，使用 93w 条评分案例的数据集基于 BERT 训练了一个相似度匹配模型，可将用户提问信息和法条相匹配。

地址：https://github.com/davidpig/lychee_law

简介：该项目由德国萨尔大学团队和中国南京大学团队合作开发，开源一系列中文司法领域大模型，如Law- GLM-10B：基于GLM-10B模型，在30GB中文法律数据上进行指令得到的。

地址：https://github.com/zhihaiLLM/wisdomInterrogatory

简介：该项目由浙江大学、阿里巴巴达摩院以及华院计算三家单位共同设计研发的法律大模型，基于baichuan- 7b进行了法律领域数据的二次预训练与指令强度，并设计了知识增强的推理流程。

地址：https://github.com/irlab- sdu/fuzi.mingcha

简介：该项目由山东大学 、浪潮云、中国政法大学联合研发，以ChatGLM为大型模型基础，基于海量中文无监督司法语料（包括大众评分标准、法律法规等）与有监督司法公正数据（包括法律问答、类 案检索）中文司法大模型的训练。该模型支持法条检索、案例分析、三段论推理评分以及司法对话等功能。

地址：https://github.com/FudanDISC/DISC-LawLLM

简介：该项目由复旦大学数据智能与社会计算实验室（Fudan-DISC）开发并开源的法律领域大模型，包括数据集，基于Baichuan-13B- Base进行强度的模型，且增加了检索增强模块。

地址：https://github.com/Jittor/JittorLLMs

简介：计图大模型推理库：笔记本没有显卡也能跑大模型，具有成本低、支持广、可移植、速度快等优势。

常见采购模型细节概述：

1.模型

1.1 文本法学硕士模型

聊天GLM：

• 地址： https://github.com/THUDM/ChatGLM-6B

• 简介：中 文领域效果最好的开源模块之一，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，辅以监督转向、反馈自助、人类反馈强化学习等技术的加持 < /p>

   

   

聊天GLM2-6B

• 地址： https://github.com/THUDM/ChatGLM2-6B

• 简介：基 于开源中英双语对话模型第二代ChatGLM-6B的代版本，在保留了初代模型对话模型、部署多边等品种特性的基础之上，引入了GLM的混合目标函数，经过了1.4 T中 英标识符的预训练与人类偏好训练；基础模型的上下文长度扩增了32K，并在对话阶段使用8K的上下文长度训练；基于多查询注意力技术实现更高效的推理速度推理和的显着占用 ；允许商业使用。

   

聊天GLM3-6B

• 地址： https://github.com/THUDM/ChatGLM3

• 简介：ChatGLM3-6B 是ChatGLM3系列中的开源模型，在保留了前两代模型对话开发、部署驱动低等牲畜优秀特性的基础上，ChatGLM3- 6B引入了如下特性：更强大的基础模型：ChatGLM3- 6B的基础模型ChatGLM3-6B- Base采用了更多样的数据训练、更充分的训练步数和更合理的训练策略；更完整的功能支持：ChatGLM3- 6B采用了全新设计的提示格式，除正常的多轮对话外。同时初期支持工具调用（函数调用）、代码执行（代码解释器）和代理任务等复杂；场景更全面的开源序列：除了对话模型C hatGLM3-6B外，还是开源的基础模型ChatGLM3- 6B-Base、长文本对话模型ChatGLM3-6B- 32K。以上话题重对学术研究完全开放，在填写表格进行登记后亦允许免费商业使用。

   

中国-美洲驼-羊驼：

• 地址： https://github.com/ymcui/Chinese-LLaMA- Alpaca

• 简介：中文LLaMA&Alpaca大语言模型+本地CPU/GPU配置， 在原版LLaMA的基础上增加了中文词表并使用了中文数据进行二次预训练

Chinese-LLaMA-Alpaca-2：

• 地址： https://github.com/ymcui/Chinese-LLaMA- Alpaca-2

• 简介：该项目将发布中文LLaMA-2 & Alpaca-2大语言模型，基于可用于的LLaMA-2进行二次开发。

   

中文-LlaMA2：

• 地址： https://github.com/michael-wzhu/Chinese- LlaMA2

• 简介：该项目基于可进行的LLaMA-2进行二次开发决策，在次开展Llama 2的中文汉化工作，包括Chinese-LlaMA2:对Llama 2进行中文预训练；第一步：先在42G中文上进行训练；后续将加大训练快速规模；Chinese- LlaMA2-chat：对Chinese- LlaMA2进行指令调节和多轮对话调节，以适应各种应用场景和多轮对话交互。同时我们也考虑更严重的中文改装方案：Chinese-LlaMA2-sft- v0:采用现有的开源中文配置配置或者是对话数据，对LlaMA- 2进行直接配置（将于近期开源）。

   

Llama2-中文：

• 地址： https://github.com/FlagAlpha /Llama2-Chinese

• 简介：该项目专注于Llama2模型在中文方面的优化和上层建设，基于大规模中文数 据，从预训练开始对Llama2模型进行中文能力的持续迭代升级。

   

奎文

• 地址： https://github.com/QwenLM/Qwen

• 简介：通 义千问是阿里云研发的通义千问大模型系列模型，包括参数规模为18亿（1.8B）、70亿（7B）、140亿（14B）和720亿（72B）。规模的模型包括基础模型Qw en，即Qwen-1.8B、Qwen-7B、Qwen-14B、Qwen-72B，以及对话模型Qwen- Chat，即Qwen-1.8B-Chat、Qwen-7B-Chat、Qwen-14B -Chat和Qwen-72B- Chat。数据集包括文本和代码等多种数据类型，覆盖通用领域和专业领域，能支持8K的上下文长度，针对插件调用相关的横向数据做了特定优化，当前模型能有效调用插件以及 升级为Agent。

   

OpenChineseLLaMA：

• 地址： https://github.com/OpenLMLab /OpenChineseLLaMA

• 简介：基于LLaMA- 7B经过中文数据集增量预产生的中文大语言模型底座，对比原版LLaMA，该模型在中文理解能力和生成能力方面均获得了更大提升，在下游下游任务中均取得了突出的成绩。< /span>

   

美女：

• 地址： https://github.com/LianjiaTech/BELLE

• 简介：开 源基于BLOOMZ和LLaMA优化后的一系列模型，同时包括数据、相关模型、训练代码、应用场景等，同时引入不同的数据、训练算法等对模型表现的影响。 < /p>

   

   

熊猫：

• 地址： https://github.com/dandelionsllm/pandallm

• 简介：开 源基于LLaMA-7B,-13B,-33B,- 65B进行中文领域上的持续预训练的语言模型，使用了接近15M条数据进行二次预训练。

   

罗宾（罗宾）：

• 地址： https://github.com/OptimalScale/LMFlow

• 简介：Robin (Robin)是香港科技大学LMFlow团队开发的中英双语大语言模型。仅使用180K条数据获取的Robin第二代模型，在Hugg ingface排行榜上达到了第一名的成绩。LMFlow支持快速用户训练个性化模型，单张3090和5个小时即可达到70亿参数定制化模型。

   

风神榜-LM：

• 地址： https://github.com/IDEA-CCNL/封神榜-LM

• 简介：封 神榜大模型是IDEA研究院认知计算与自然语言研究中心主导的大模型开源体系，该项目开源了姜子牙通用大模型V1，是基于LLaMa的130亿参数的大规模预案训练文本模 型，具备翻译、编程、分类、信息采集、摘要、文案生成、常识问答和数学计算等能力。除姜子牙系列模型之外，该项目还开源了太乙、二郎神系列等模型。

   

比拉：

• 地址： https://github.com/Neutralzz/BiLLa

• 简介：该 项目产生了推理能力增强的中英文双语LLaMA模型。模型的主要特性有：扩大LLaMA的中文理解能力，并寻求减少对原始LLaMA中文的损伤；过程增加热点能力的任务型 数据，利用ChatGPT生成解析，强化模型理解任务流程图；全量参数更新，追求更好的生成效果。

   

苔藓：

• 地址： https://github.com/OpenLMLab/MOSS

• 简介：支 持中英双语和多种插件的开源对话语言模型，MOSS基础语言模型在约七千亿中英文以及代码单词上预训练得到，后续对话配置自定义、插件增强学习和人类偏好训练配备多轮对话 能力及使用多种插件的能力。

   

骆驼- 中文-法学硕士：

• 地址： https://github.com/LC1332/Luotuo-Chinese- LLM

• 简介：囊括了一系列中文大语言模型开源项目，包含了一系列已有的基于已有的开源模型（ChatGLM, MOSS, LLaMA）进行二次配置的模型，指令配置数据集等。

   

林莉：

• 地址： https://github.com/CVI- SZU/Linly

• 简介：提供中文对话模型 Linly-ChatFlow 、中文基础模型 Linly-Chinese-LLaMA 及其训练数据。中文基础模型以 LLaMA 为基础，利用中文和中英平行增量预训练。项目汇总了目前公开的多语言指令数据，对中文模型进行了大规模指令接下来训练，实现了Linly- ChatFlow对话模型。

   

萤火虫：

• 地址： https://github.com/yangjianxin1/Firefly

• 简介：F irefly(流萤)是一个开源的中文大语言模型项目，开源包括数据、参数代码、多个基于Bloom、baichuan等参数好的模型等；支持全量参数参数、QLoRA以 及高效参数参数、LoRA指令驱动；支持主流的开源大模型，如百川百川、Ziya、Bloom、LLaMA等。持lora与基础模型进行权重合并，推理更便捷。

   

聊天园

• 地址： https://github.com/clue-ai/ChatYuan

• 简介：元 语智能发布的一系列支持中文的功能型对话语言大模型，在力矩数据、人类反馈强化学习、思维链等方面进行了优化。

   

聊天RWKV：

• 地址： https://github.com/BlinkDL/ChatRWKV

• 简介：开源了一系列基于RWKV架构的聊天模型（包括中文和中文），发布了包括Raven，Novel-ChnEng，Novel-Ch与Novel- ChnEng- ChnPro等模型，可以直接闲聊及进行诗歌、小说等创作，包括7B和14B等规模的模型。

   

CPM-蜜蜂

• 地址： https://github.com/OpenBMB/CPM-Bee

• 简介：一个完全、允许太阳能训练的百亿开源参数中英文基座模型。它采用变压器自回归架构（auto- regressive），在超万亿（万亿）级语料上进行预配置，拥有强大的基础能力开发者和休止符可以在 CPM-Bee 基础模型的基础上在各类场景中进行改装来以特定创建领域的应用模型。

   

老虎机器人

• 地址： https://github.com/TigerResearch/TigerBot

• 简介：一个多语言多任务的大规模训练模型(LLM)，开源语言包括模型：TigerBot-7B, TigerBot-7B-base，TigerBot- 180B，基本和推理代码，100G预训练数据，内容金融、法律、百科的领域数据以及API等。

   

书生·浦语

• 地址： https://github.com/InternLM/InternLM- techreport

• 简介：商汤科技、上海人工智能实验室联合香港中文大学、复旦大学和上海交通大学发布 千亿级参数大语言模型“书生·浦语”（InternLM）。据悉，“书生·浦语”具有1040亿参数，基于“包含1.6万亿代币的多语言种高质量数据集”而成。

   

书生·浦语2

• 地址： https://github.com/InternLM/InternLM

• 简介：商 汤科技、上海人工智能实验室联合香港中文大学、复旦大学和上海交通大学发布千亿级参数大语言模型“书生·浦语”（InternLM2）。InternLM2在数理、代码、 对话、创作等各方面各方面能力都取得了长足进步，综合性能达到开源模型的领先水平。InternLM2包含两个模型规格：7B和20B。7B为轻量级的研究和应用提供了一 个简便但性能不俗的模型，20B模型的综合性能更加强大，可以有效支持更加复杂的实用场景。

   

天鹰座

• 地址： https://github.com/FlagAI- Open/FlagAI/tree/master/examples/Aquila

• 简介：由智源研究院发布，Aqui la语言大模型在技术上继承了GPT- 3、LLaMA等的架构设计优点，替换了一个更高效的底层算子实现、重新设计实现了中英文的分词器，升级了BMTrain工具训练方法，是在中英文高质量语料基础上从0开 始训练的，通过数据质量的控制、多种训练的优化方法，实现在更小的数据集、更短的训练时间，获得比其他开源模型更优的性能。也是第一个支持中英双语知识、支持许可协议、符 合国内数据合规需要的大规模开源语言模型。

   

天鹰座2

• 地址： https://github.com/FlagAI- Open/Aquila2

• 简介：由智源研究院发布，Aquila2系列，包括基础语言模型Aquila2- 7B，Aquila2-34B和Aquila2-70B-Expr，对话模型AquilaChat2-7B，AquilaChat2-34B和AquilaChat2- 70B-Expr，长文本对话模型AquilaChat2-7B-16k 和 AquilaChat2-34B-16。

   

百川7B

• 地址： https://github.com/baichuan- inc/baichuan-7B

• 简介：Baichuan-13B 是由百川智能继Baichuan-7B后续开发的包含130亿参数的开源可容纳的大规模语言模型，在权威的中文和英文基准上均取得同尺寸最好的效果。该项目发布包含预训练 (Baichuan-13B-Base) 和彩色 (Baichuan-13B-Chat) 两个版本。

   

百川13B

• 地址： https://github.com/baichuan- inc/Baichuan-13B

• 简介：由百川智能开发的一个开源可运行的大规模预训练语言模型。基于Transfo rmer结构，在大约1.2万亿代币上训练的70亿参数模型，支持中英双语，上下文窗口长度为4096。的中文和英文权威基准（C- EVAL/MMLU）上均取得同尺寸最好的效果。

   

百川2

• 地址： https://github.com/baichuan- inc/Baichuan2

• 简介：由百川智能推出的新一代开源大语言训练模型，采用2.6万亿代币的高质量语言 素材，在多个权威的中文、中文和多语言的通用、领域基准上取得同尺寸的最佳效果，发布包含有7B、13B的Base和经过PPO训练的Chat版本，并提供了Chat版本 的4bits量化。

   

阿尼玛

• 地址： https://github.com/lyogavin/Anima

• 简介：由艾写科技开发的一个基于QLoRA的33B中文大语言模型的开源训练，该模型基于QLoRA的Guanaco 33B模型使用Chinese-Vi cuna项目开放的数据集guanaco_belle_merge_v1.0进行finetune训练了10000个步骤，基于Elo评级锦标赛评估效果更好。

   

知道LM

• 地址： https://github.com/zjunlp/KnowLM

• 简介：K nowLM项目旨在发布开源大模型框架及相应模型权重以弥补知识谬误问题，包括大模型的知识难更新及存在潜在的错误和偏见等。该项目一期发布了基于Llama的抽取大模型 智析，利用中文资料对LLaMA（13B）进行进一步的全量预训练，并基于知识图谱转换指令技术对知识抽取任务进行优化。

   

贝灵

• 地址： https://github.com/ictnlp/BayLing

• 简介：一 个具有增强的跨语言对齐的通用大模型，由中国科学院计算技术研究所自然语言处理团队开发。百临（BayLing）以LLaMA为基础模型，探索了以交互式翻译任务为核心进 行指令扭矩的方法，旨在同时完成语言间校准以及与人类意图校准，将LLaMA的生成能力和指令后续能力从英语迁移到其他语言（中文）。在多语言翻译、交互翻译、通用任务、 标准化考试的评测中，百生在中文/英语中均表现出了更好的表现。百生提供了在线的内测版演示，供大家体验。

   

玉兰聊天室

• 地址： https://github.com/RUC-GSAI/YuLan-Chat

• 简介：YuLan- Chat是中国人民大学GSAI研究人员开发的基于聊天的大语言模型。它是在LLaMA的基础上配置开发的，具有高质量的中文和中文指令。YuLan-Chat与用户聊天 ，很可以很好地遵循英文或中文指令，并且可以在确定后部署在GPU（A800- 80G或RTX3090）上。

   

聚LM

• 地址： https://github.com/DAMO-NLP- MT/PolyLM

• 简介：一个在6400亿个词的数据上从头训练的多语言语言模型，包括两个模型大小( 1.7B和13B)。PolyLM覆盖中、英、俄、西、法、葡、德、意、荷、波、阿、土、希伯来、日、韩、泰、越南、对话等语种，尤其是对亚洲语种更友好。

   

活子

• 地址： https://github.com/HIT-SCIR/huozi

• 简介：由 哈工语言处理研究所多位老师和学生参与开发的一个开源可开发的大规模预训练语言模型。该模型基于Bloom结构的70亿参数模型，支持中英双语，上下文窗口长度为2048 ，同时还开源了基于RLHF训练的模型以及全人工标注的16.9K中文偏好数据集。

   

雅仪

• 地址： https://github.com/wenge-research/YaYi

• 简介：雅 意大模型在百万级人工构建的高质量领域数据上进行指令获取，数据训练覆盖媒体宣传、舆情分析、公共安全、金融风控、城市治理等五个大领域，上百种自然语言指令任务。雅意大 模型从预初始化训练权重到领域模型的迭代过程中，我们逐步增强了它的中文基础能力和领域分析能力，并增加了多轮对话和部分插件能力。同时，经过数百名用户内测过程中持续不 断的人工反馈优化，进一步提升了模型性能和安全性。已开源基于LLaMA 2的中文优化模型版本，探索适用于中文多领域任务的最新实践。

   

XVERSE-7B

• 地址： https://github.com/xverse- ai/XVERSE-7B

• 简介：由深圳元象科技自主研发的支持多语言的大语言模型，支持 8K 的上下文长度（Context Length），使用 2.6 万亿 token 的高质量、多样化的数据对模型进行充分训练，支持中、英、俄、西等40多种语言。并包含 GGUF、GPTQ仿真版本的模型，支持在llama.cpp、vLLM在MacOS/Linux/Windows系统上的推理。

   

  < /li>

XVERSE-13B

• 地址： https://github.com/xverse-ai/XVERSE-13B

• 简介：由深圳元象科技自主研发的支持多语言的大语言模型，支持8K的上下文长度（Context Length），使用3.2万亿代币的高质量、多样化的数据对模型进行充分的训练，支持中、英、俄、西等40多种语言。包含长序列对话模型 XVERSE-13B-256K ，该版本模型最大支持 256K 的上下文窗口长度，约 25w 字的输入内容，可以协助进行文献汇总、报告分析等任务。并包含GGUF 、GPTQ量化版本的模型，支持在llama.cpp、vLLM在MacOS/Linux/Windows系统上的推理。

   

XVERSE-65B

• 地址： https://github.com/xverse-ai/XVERSE-65B

• 简介：由深圳元象科技自主研发的支持多语言的大语言模型，支持16K的上下文长度（Context Length），使用2.6万亿代币的高质量、多样化的 数据对模型进行充分的训练，支持中、英、俄、西等40多种语言。包含增量预训练到3.2万亿代币的XVERSE-65B- 2模型。并包含GGUF、GPTQ量化版本的模型，支持在llama.cpp、vLLM在MacOS/Linux /Windows系统上的推理。

   

XVERSE-MoE-A4.2B

• 地址： https://github.com/xverse- ai/XVERSE-MoE-A4.2B

• 简介：由深圳元象科技自主研发的支持多语言的大语言模型（Large Language Model），采用混合专家模型（MoE，Mixture-of Experts）架构，模型的总参数规模为258亿，实际激活的参数量为 42 亿，支持 8K 的上下文长度（Context Length），使用 3.2 万亿 token 的高质量、多样化的数据对模型进行充分训练，支持中、英、俄、西等 40 多种语言。

   

思凯沃

• 地址： https://github.com/SkyworkAI/Skywork

• 简介：该 项目有了天工系列模型，开源该系列模型在3.2TB高质量多语言和代码数据上进行预训练，开源了包括模型参数，训练数据，评估，评估方法。具体包括Skywork- 13B- Base模型、Skywork-13B-Chat模型、Skywork-13B-Math模型和Skywork-13B- MM模型，以及每个模型的量化版模型，以支持用户在消费级显卡进行部署和推理。

   

义

• 地址： https://github.com/01-ai/Yi

• 简介：该项目开源了Yi- 6B和Yi- 34B等模型，该系列模型最多可支持20万的超长上下文窗口版本，可以处理约40万汉超长文本输入，理解超过1000页的PDF文档。

   

元-2.0

• 地址： https://github.com/IEIT-Yuan/Yuan-2.0

• 简介：该 项目由浪潮信息发布的新一代基础语言大模型，具体开源了全部3个模型源2.0-102B，源2.0-51B和源2.0- 2B。并提供了预训练，推理，推理服务的相关脚本。源2.0是在源1.0的基础上，利用更多样的高质量训练预数据和指令配置数学集，令模型在语义、推理、代码、知识等不同 方面具备更强的理解能力。

   

中文- Mixtral-8x7B

• 地址： https://github.com/HIT- SCIR/Chinese-Mixtral-8x7B

• 简介：该项目基于Mixtral-8x7B稀疏混合专家模型进行了中文扩词表增量预训练，开源了Chinese-Mixtral- 8x7B扩词表模型以及代码。该模型的中文编解码效率较原模型显着同时通过在大规模语料开源上进行增量预训练，该模型具备了强大的中文生成和理解能力。

   

蓝色LM

• 地址： https://github.com/vivo-ai-lab/BlueLM

• 简介：BlueLM 是由 vivo AI 全球研究院自主研发的大规模预训练语言模型，本次发布包含 7B 基础 (base) 模型和 7B 对话 (chat) 模型，同时我们开源了支持 32K 的长文本基础 (base) ) 模型和对话（聊天）模型。

   

图灵MM

• 地址： https://github.com/lightyear- turing/TuringMM-34B-Chat

• 简介：TuringMM-34B- Chat是一款开源的中英文聊天模型，由北京光年无限科技有限公司基于Yi- 34B开源模型、基于14w的精标教育数据进行sft参数以及15W太阳能数据进行DPO偏好学习得到一个角色模型。

   

猎户座

• 地址： https://github.com/OrionStarAI/Orion

• 简介：Orion-14B-Base 是一个拥有 140 亿参数的多语种大模型，该模型在一个包含 2.5 万亿代币的大象数据集上进行了训练，内容包括中文、英语、日语、韩语等多种语言语言。

   

OrionStar-Yi-34B-聊天

• 地址： https://github.com/OrionStarAI/OrionStar- Yi-34B-Chat

• 简介：OrionStar-Yi-34B-Chat是猎户星空基于零一开源的Yi- 34B模型，使用15W+的高质量语言料训练而来的大模型，旨在为大模型社区用户提供卓越的交互体验。

   

1.2 多模态LLM模型

视觉GLM-6B

• 地址： https://github.com/THUDM/VisualGLM-6B

• 简介：一 个开源的，支持图像、中文和英文的多模态对话语言模型，基于ChatGLM-6B的语言模型，具有62亿参数；图像部分通过训练BLIP2- Qformer构建起视觉模型与语言模型的桥梁，整体模型共78亿参数。来自于CogView数据集的30M高精度中文图文对，与300M经过筛选的中文图文对进行预训练 。

   

CogVLM

• 地址： https://github.com/THUDM/CogVLM

• 简介：一个强大的视觉语言模型（VLM）。CogVLM-17B 拥有 100 亿视觉参数和 70 亿语言参数。CogVLM-17B 在 10 个经典跨模态基准测试上取得了 SOTA 性能。CogVLM 能够准确地描述图像，几乎不会出现幻觉。

   

可见每千次展示费用

• 地址： https://github.com/OpenBMB/VisCPM

• 简介：一个开源的多模态大模型系列，支持中英双语的多模态对话能力（VisCPM-Chat模型）和文到图生成能力（VisCPM- Paint模型）。VisCPM基于百亿参数量语言大模型CPM -Bee（10B）训练，视觉融合编码器（Q-Former）和视觉解码器（Diffusion- UNet）以支持视觉信号的输入和输出。得益于CPM-Bee建立的优秀双语能力，VisCPM可以仅通过中文多模态数据预训练，泛化实现优秀的中文多模态能力。

   

视觉中国-LLaMA- 羊驼

• 地址： https://github.com/airaria/Visual-Chinese-LLaMA- Alpaca

• 简介：基于中文LLaMA&Alpaca大模型项目开发的多态中文大模型。 VisualCLA在中文LLaMA/Alpaca模型上增加了图像编码等模块，使LLaMA模型可以接收信息。在此基础上，使用了中文图文对数据进行了多模态预训练，彩 色图像与文本表示，赋予其基本的多模态理解能力；并利用多模态指令数据集精调，增强其对多模态指令的理解、执行和对话能力，目前开源了VisualCLA-7B- v0.1。

   

LLaSM

• 地址： https://github.com/LinkSoul- AI/LLaSM

• 简介：第一个支持中英文双语语音-文本多模态对话的开源可对话模型。便捷的语音输入 将大幅改善以文本为输入的大模型的使用体验，同时避免了基于ASR解决方案的繁琐流程以及可能引入的错误。目前开源了LLaSM-Chinese- Llama-2-7B、LLaSM-Baichuan-7B等模型与数据集。

   

Qwen-VL

• 地址： https://github.com/QwenLM/Qwen-VL

• 简介：是阿里云研发的大规模视觉语言模型，可以以图像、文本、检测框作为输入，并以文本和 检测框作为输出。特点包括：强大的性能：在四大类多模态任务的标准中文评测中均达到同等通用模型大小下最好效果；多语言对话模型：天然支持中文、中文等多语言对话，端到端 支持图片里英双语的长文本识别；多图交错对话：支持多图输入和比较，指定图片问答，多图文学创作等；首个支持中文开放域定位的通用模型：通过中文开放域语言表达进行检测框 标注；细粒度识别和理解相比：于目前其他开源LVLM使用224分辨率，Qwen-VL是第一个开源的448分辨率的LVLM模型。更高分辨率可以升级细粒度的文字识别、 文档问答和检测框标签。