#开源

Yi-Coder-9B-Chat是一个开源的代码语言模型，拥有不到10亿个参数，具备优异的表现。它支持包括Python、Java在内的52种主要编程语言，最大上下文长度可达128K tokens。该模型在LiveCodeBench评测中取得了23%的通过率，超越了一些更大参数模型。Yi-Coder-9B-Chat可以通过transformers库进行快速推理，适用于多场景的文本生成。该项目提供详尽的技术文档和支持，便于开发者上手使用。

该模型是一个基于 GLM 的中英双语开源对话工具，拥有 62 亿参数，通过量化技术实现低显存要求，适合消费级显卡本地部署。专注于中文问答及对话功能，具有监督微调和人类反馈强化学习功能。升级版提供更高性能和效率，研究者可完全开放使用，而商用需要填问卷。

InternLM2-Base-7B是一个适应性强的开源模型，支持处理长达20万字的文本，具备精确的信息检索能力，并在推理、数学、编程任务中表现优异。通过OpenCompass工具验证，其性能适合广泛应用，是研究人员和开发者的理想选择。

PhoGPT-4B-Chat是面向越南语的生成模型，通过在70K教学指令和290K对话上进行微调，展现出色表现。其基于3.7B参数的结构，利用102B代币的越南语语料库从头开始进行预训练，使其在开源领域中脱颖而出。

Stable Diffusion 1.5是一个基于OpenRAIL许可的开源AI图像生成模型。该模型能根据文本描述生成高质量、多样化的图像，支持文本到图像生成、图像编辑和风格迁移等任务。它广泛应用于艺术创作、设计和内容生成领域，为创作者提供了强大而灵活的工具。

OpenLLaMA是一个开源项目，旨在复现LLaMA大型语言模型。它基于Apache 2.0许可，提供了7B和3B模型（1万亿标记训练）以及13B模型预览版（6000亿标记训练）。项目发布了PyTorch和JAX格式的预训练权重，并与原始LLaMA进行了性能对比。OpenLLaMA使用RedPajama数据集训练，整体性能与LLaMA和GPT-J相当，部分任务表现更佳。

Falcon-40B是TII开发的400亿参数因果解码器模型,在1万亿个token的RefinedWeb数据集上训练。作为目前性能最佳的开源模型,它超越了LLaMA和StableLM等竞品。该模型采用优化的推理架构,集成FlashAttention和multiquery技术。Falcon-40B以Apache 2.0许可证发布,支持商业应用。主要支持英语、德语、西班牙语和法语,可用于多种自然语言处理任务。

Qwen1.5-0.5B-Chat-GGUF是基于通义千问1.5系列的中文对话模型，采用GGUF格式实现。该模型具有较小的尺寸和较快的推理速度，适合在资源受限环境中部署。这个轻量级模型为开发者和研究人员提供了一种高效方式来构建智能对话应用，实现中文语言模型的快速部署和使用。

Meta-Llama-3.1-8B-Instruct-GGUF是Llama 3系列的最新版本，在多语言处理方面性能优异。该模型具有128K上下文窗口，经过15T token训练，包含2500万合成样本。作为开源领域的先进模型，它适用于广泛的AI任务。LM Studio用户可通过'Llama 3'预设轻松应用这一模型。

Vikhr-7B-instruct_0.4是一款针对俄语和英语优化的指令微调大语言模型。新版本通过增加SFT训练数据，大幅提升了JSON处理和多轮对话的稳定性，尤其在处理长上下文和复杂提示时表现出色。模型采用Flash Attention 2技术，支持Google Colab使用，并提供GGUF格式。项目包含详细的使用示例和学术引用信息，方便研究人员和开发者快速上手。

ChatGLM3-6B是ChatGLM系列的最新开源对话模型，基于强大的基础模型构建。它支持多轮对话、工具调用、代码执行和Agent任务等复杂场景，采用新的Prompt格式。在10B以下预训练模型中，ChatGLM3-6B性能出众。该模型对学术研究开放，登记后可免费商用，为自然语言处理领域提供了强大工具。

Llama-3.2-1B-Instruct-GGUF是Llama 3.2模型的量化版本,使用llama.cpp和imatrix方法进行处理。该项目提供从f16到Q3_K_XL多种精度选项,文件大小在0.80GB至2.48GB之间。这些模型支持多语言处理,适合在资源受限的设备上运行,用户可根据需求选择合适版本以平衡性能和资源占用。

Llama-3.2-3B-Instruct是Meta公司开发的多语言大型语言模型，专为对话和任务处理而优化。该模型支持8种主要语言，在行业基准测试中表现出色。采用优化的Transformer架构，结合监督微调和人类反馈强化学习技术，Llama-3.2系列模型具备强大的推理能力和应用灵活性，适用于广泛的对话和任务处理场景。

BLOOM是BigScience项目开发的开源大型语言模型，支持45种自然语言和12种编程语言，拥有1760亿参数。该模型使用1.5TB预处理文本在法国超级计算机上训练，可用于文本生成、信息提取和问答等任务。BLOOM采用RAIL开放许可证，旨在推动语言模型公共研究，但不适用于高风险场景。

Llama-2-70b-hf是Meta开发的70亿参数大语言模型,基于优化的Transformer架构,支持4k上下文长度。模型在2万亿token公开数据上预训练,通过监督微调和人类反馈强化学习实现对话能力。在多项基准测试中表现优异,适用于对话、问答、推理等自然语言处理任务。作为开源发布的基础模型,为学术研究和商业应用提供了有力支持。

OpenFLUX.1是FLUX.1-schnell模型的改进版本，移除了蒸馏限制，支持进一步微调。该模型采用经典CFG方法，可在1-4步内生成高质量图像，为开发者提供了灵活的图像生成解决方案。OpenFLUX.1使用Apache 2.0许可，目前处于beta 0.1.0阶段，正在持续优化中。

Falcon-7B是TII开发的70亿参数因果解码器模型，基于1.5万亿个精选高质量token训练。模型采用FlashAttention和multiquery等优化架构，提升推理效率。以Apache 2.0许可证发布，允许商业使用。性能超越同类开源模型，适用多种自然语言处理任务，可进一步微调满足特定需求。

CogVLM是一款开源视觉语言模型，具有100亿视觉参数和70亿语言参数。在NoCaps、Flicker30k等10个经典跨模态基准测试中，CogVLM实现了最先进的性能，部分超越PaLI-X 55B。其架构包括视觉变换器编码器、MLP适配器、预训练语言模型和视觉专家模块。CogVLM能进行多模态对话，适用于图像描述和视觉问答等任务。该模型对学术研究开放，经登记后可免费用于商业用途。

Llama-3.1-8B-Lexi-Uncensored-V2是一个基于Llama-3.1-8b-Instruct的开源文本生成模型。该模型在IFEval、BBH和MMLU-PRO等多项评测中展现出良好性能，支持文本生成、问答和数学推理等多种任务。模型允许用户通过自定义系统提示来优化输出。由于其无审查特性，建议使用者在应用时注意内容合规性，并在部署服务前考虑实施适当的对齐措施。

OpenLLaMA是一个基于Apache 2.0许可的开源大型语言模型，旨在复现Meta AI的LLaMA。该项目提供了在1万亿个token上训练的7B和3B模型，以及在6000亿个token上训练的13B模型预览版。OpenLLaMA基于RedPajama数据集训练，在多项评估任务中表现与原版LLaMA相当或更优。项目开源了PyTorch和JAX格式的预训练权重，支持使用Hugging Face transformers和EasyLM框架加载模型。

本项目提供Meta Llama-3.2-3B语言模型的GGUF格式文件，支持2至16位量化。集成的Unsloth工具可大幅提升Llama 3.2、Gemma 2和Mistral等模型的微调效率，速度提升2-5倍，内存减少70%。项目支持在Google Colab上使用Tesla T4 GPU免费微调模型，并可将结果导出为GGUF、vLLM格式或上传至Hugging Face平台。

bloom-560m-intermediate项目提供BLOOM大型多语言模型在训练过程中的中间检查点,涵盖1000至600000全局步骤的多个阶段。BLOOM支持45种自然语言和12种编程语言,使用1.5TB预处理文本训练。这些检查点为研究人员提供了分析大型语言模型训练过程的重要资源。

MPT-7B是一个开源大语言模型,在1万亿英文文本和代码上预训练。其改进的Transformer架构支持高效训练和推理,可处理超长输入。模型采用ALiBi技术处理长序列,无需位置嵌入。MPT-7B支持商业使用,为开发者提供了适用于多种下游任务微调的强大基础模型。

Dolly-v2-3b是Databricks开发的开源指令微调语言模型,基于Pythia-2.8b构建,拥有28亿参数。该模型使用约15,000条指令/回复数据进行训练,涵盖头脑风暴、分类、问答等多个领域。尽管不是最先进模型,但在指令遵循方面表现优异。Dolly-v2-3b采用MIT许可证,支持商业使用,可通过Transformers库轻松部署。

DarkIdol-Llama-3.1-8B-Instruct-1.2-Uncensored-GGUF-IQ-Imatrix-Request是一个基于Llama 3.1架构的8B参数无审查指令型语言模型。采用GGUF格式，该模型具有高性能和灵活性，适用于多种应用场景。作为无审查模型，它在内容生成、问答和复杂任务执行方面提供了更大的自由度。使用时需注意遵守相关法律法规和伦理准则。

BLOOM-1B7是BigScience项目开发的开源多语言预训练语言模型,支持45种自然语言和12种编程语言。该模型采用改进的Transformer架构,包含17亿参数,在1.5TB多语言语料上训练而成。BLOOM-1B7可用于文本生成、信息提取、问答等多种自然语言处理任务,为研究人员和开发者提供了探索大型语言模型特性的平台。模型遵循RAIL许可证,限制了在高风险场景中的使用,旨在推动语言模型的公共研究。

Baichuan2-13B-Chat是百川智能推出的新一代开源大语言模型，由2.6万亿高质量语料训练而成。该模型在中英文基准测试中表现优异，尤其在数学逻辑推理和复杂指令理解方面有显著提升。模型提供Base和Chat两个版本，以及4位量化版本，可用于学术研究和商业应用。Baichuan2-13B-Chat为自然语言处理领域提供了强大的工具。

此项目提供EPFL LLM团队的Meditron 7B模型的AWQ量化文件，采用高效的4位低比特量化方法，在提升变换器推理速度的同时保证质量。兼容多种平台和工具，如Text Generation Webui、vLLM、Hugging Face Text Generation Inference及Transformers。

项目呈现Meta AI的LLaMA与LLaMa 2开源重现版本，并采用缩小的模型参数：llama1_s为1.8B，llama2_xs为460M。训练基于RedPajama数据集，使用GPT2Tokenizer分词，支持通过HuggingFace Transformers库直接加载以及文本生成。模型在MMLU任务中表现评估，其中llama2_xs_460M在0-shot和5-shot中分别得21.13和26.39的分数。

Llama 2 7B GGUF是Meta开源语言模型的优化版本，采用llama.cpp团队开发的GGUF量化格式。该版本提供2-8比特多种量化选项，支持CPU和GPU推理，可满足不同场景的部署需求。项目包含模型下载、运行指南以及主流框架的集成方法，方便开发者快速上手使用。

Yi-34B-Chat是一个由01.AI开发的开源大语言模型，基于3T级多语言语料训练。模型在AlpacaEval评测中的表现仅次于GPT-4 Turbo，在语言理解、推理和阅读理解等方面展现出优秀能力。经过英文和中文双语评测，其性能超越了Falcon-180B、Llama-70B等主流开源模型。

OpenChat-3.5-0106是基于Mistral-7B架构开发的开源语言模型,具备编程、数学推理和对话等功能。模型支持8192上下文长度,提供编程专用和通用两种模式。在HumanEval、GSM8K等基准测试中,该模型展现出超越部分大型商业模型的性能。此外,模型还集成了实验性的评估器功能

mformer-care是一个基于Hugging Face Transformers库开发的开源项目，采用MIT许可证，支持英语语言处理。该项目利用Transformer架构实现多模态数据的处理与分析。

MPT-7B-Chat是MosaicML开发的对话生成模型，通过微调著名数据集提高生成效果，采用去掉位置嵌入的改进型解码器架构及FlashAttention、ALiBi等创新技术，支持较长序列训练与微调。此模型在MosaicML平台研发，可通过MosaicML与Hugging Face加载，尽管输出可能包含错误或偏见，仍为开发者提供了一个开源的对话生成提升工具。

OLMoE-1B-7B-0924是一个混合专家语言模型，具备1B个活跃和7B总参数，以其高性能和成本效益在同类模型中表现出色，并可竞争于更大规模的模型如Llama2-13B。该项目完全开源，提供了详细的预训练、监督微调及偏好优化的检查点和相关资源，适合自然语言处理领域的研究和开发。

该项目在有限预算内，通过全面开源的方法构建了一个300M Llama语言模型。尽管性能不及更大型的模型，但以不到500美元的投入，在多数据集上表现出色，并在与类似参数的BERT模型比较时展现优势。项目使用Vast.ai的计算资源和AWS S3存储，对TinyLlama模型进行了调整，重点优化Slimpajama数据集。这一项目展示了低成本大规模模型开发的潜力，并为细化应用如轻量级聊天机器人提供了坚实基础。