Large Language Model (LLM) 即大規模語言模型，是一種基于深度學習的自然語言處理模型，它能夠學習到自然語言的語法和語義，從而可以生成人類可讀的文本。
所謂 "語言模型"，就是只用來處理語言文字（或者符號體系）的 AI 模型，發現其中的規律，可以根據提示 (prompt)，自動生成符合這些規律的內容。
LLM 通常基于神經網絡模型，使用大規模的語料庫進行訓練，比如使用互聯網上的海量文本數據。這些模型通常擁有數十億到數萬億個參數，能夠處理各種自然語言處理任務，如自然語言生成、文本分類、文本摘要、機器翻譯、語音識別等。
本文對國內外公司、科研機構等組織開源的 LLM 進行了全面的整理。
🌍 1. 開源中文 LLM
🔹 ChatGLM-6B —— 雙語對話語言模型
ChatGLM-6B 是一個開源的、支持中英雙語問答的對話語言模型，并針對中文進行了優化。該模型基于 General Language Model (GLM) 架構，具有 62 億參數。結合模型量化技術，用戶可以在消費級的顯卡上進行本地部署（INT4 量化級別下最低只需 6GB 顯存）。
? 特點：
-
支持中英雙語問答
-
優化中文理解與生成
-
低顯存需求，適合本地部署
🔗 GitHub
🔹 ChatGLM2-6B —— 中英雙語對話模型第二代
基于 ChatGLM 初代模型的開發經驗，ChatGLM2-6B 全面升級了基座模型，支持更長的上下文，更高效的推理，更開放的協議。
? 升級點：
-
更長的上下文支持
-
更快的推理速度
-
更開放的協議
🔗 GitHub
🔹 VisualGLM-6B —— 多模態對話語言模型
VisualGLM-6B 是一個支持 圖像、中文和英文 的多模態對話語言模型，語言模型基于 ChatGLM-6B，視覺部分通過訓練 BLIP2-Qformer 構建起視覺與語言的橋梁。
? 特點：
-
支持圖像+文本多模態輸入
-
78億參數，增強視覺理解能力
🔗 GitHub
🔹 MOSS —— 支持中英雙語的對話大語言模型
MOSS 是一個支持中英雙語和多種插件的開源對話語言模型，moss-moon 系列模型具有 160 億參數，在 FP16 精度下可在單張 A100/A800 或兩張 3090 顯卡運行。
? 特點：
-
支持插件增強
-
在千億級中英文數據上預訓練
-
適用于多輪對話
🔗 GitHub
🔹 DB-GPT —— 數據庫大語言模型
DB-GPT 是一個開源的以 數據庫為基礎 的 GPT 實驗項目，使用本地化的 GPT 大模型與數據和環境進行交互，無數據泄露風險，100% 私密。
? 特點：
-
專為數據庫場景優化
-
支持本地部署，數據安全可控
🔗 GitHub
🔹 CPM-Bee —— 中英文雙語大語言模型
CPM-Bee 是一個 完全開源、允許商用 的百億參數中英文基座模型，采用 Transformer 自回歸架構，使用 萬億級高質量語料 進行預訓練。
? 特點：
-
開源可商用
-
中英雙語性能優異
-
超大規模訓練數據
🔗 GitHub
🔹 LaWGPT —— 基于中文法律知識的大語言模型
LaWGPT 是一系列基于 中文法律知識 的開源大語言模型，在通用中文基座模型的基礎上擴充法律領域專有詞表，增強法律語義理解能力。
? 特點：
-
法律領域優化
-
支持司法考試數據集
🔗 GitHub
🔹 伶荔 (Linly) —— 大規模中文語言模型
Linly 是目前最大的中文 LLaMA 模型之一（33B），支持 中文增量訓練，并提供量化推理框架。
? 特點：
-
支持 CPU/GPU 推理
-
提供 7B、13B、33B 版本
🔗 GitHub
🔹 Chinese-Vicuna —— 基于 LLaMA 的中文大語言模型
Chinese-Vicuna 是一個中文低資源的 LLaMA + LoRA 方案，支持 CPU 推理。
? 特點：
-
低成本微調方案
-
支持 C++ CPU 推理
🔗 GitHub
🔹 ChatYuan —— 對話語言大模型
ChatYuan 是一個支持中英雙語的功能型對話語言大模型，最低僅需 400M 顯存（INT4） 即可運行。
? 特點：
-
輕量化，適合移動端
-
優化指令理解
🔗 GitHub
🔹 華佗 GPT —— 開源中文醫療大模型
HuatuoGPT（華佗 GPT）是開源中文醫療大模型，基于 醫生回復 + ChatGPT 數據 訓練，提供豐富的醫療問診能力。
? 特點：
-
醫療領域優化
-
支持診斷建議
🔗 GitHub
🔹 本草 (BenTsao) —— 基于中文醫學知識的 LLaMA 微調模型
本草（原名華駝）是基于 中文醫學知識 的 LLaMA 微調模型，適用于醫療問答。
? 特點：
-
醫學指令微調
-
支持知識圖譜
🔗 GitHub
🔹 鵬程·盤古α —— 中文預訓練語言模型
「鵬程·盤古α」是業界首個 2000 億參數 的中文預訓練生成語言模型，支持知識問答、閱讀理解等任務。
? 特點：
-
超大規模訓練
-
支持少樣本學習
🔗 GitHub
🔹 悟道 —— 雙語多模態大語言模型
“悟道” 是 1.75 萬億參數 的雙語多模態預訓練模型，涵蓋 文本、圖像、蛋白質 等多個領域。
? 子模型：
-
CogView（文生圖）
-
BriVL（圖文檢索）
-
GLM（英文預訓練）
-
CPM（中文生成）
🔗 GitHub
🔹 BBT-2 —— 120 億參數大語言模型
BBT-2 是包含 120 億參數 的通用大語言模型，衍生出 代碼、金融、文生圖 等專業模型。
? 衍生模型：
-
BBT-2-12B-TC-001（代碼模型）
-
BBT-2-12B-TF-001（金融模型）
-
BBT-2-12B-Fig（文生圖）
🔗 GitHub
🔹 BELLE —— 開源中文對話大模型
BELLE 目標是促進 中文對話大模型 開源社區的發展，基于 BLOOM 優化中文能力。
? 特點：
-
使用 ChatGPT 生成數據微調
-
支持個性化訓練
🔗 GitHub
🔹 TigerBot —— 多模態大語言模型
TigerBot 是一個多語言多任務的大規模語言模型，TigerBot-7B 達到 OpenAI 同規模模型的 96% 性能。
? 特點：
-
支持多語言
-
高性能推理
🔗 GitHub
🔹 YuLan-Chat —— 大語言對話模型
中國人民大學發布的 中英文雙語對話模型，優化指令微調技術。
? 特點：
-
學術研究導向
-
支持多輪交互
🔗 GitHub
🔹 百聆 (BayLing) —— 中英雙語大語言模型
中國科學院計算技術研究所開發的 中英雙語大語言模型，性能達 ChatGPT 90%。
? 特點：
-
優越的中英生成能力
-
支持多輪交互
🔗 GitHub
🌎 2. 開源國際 LLM
🔹 通義千問-7B (Qwen-7B) —— 阿里云開源大模型
Qwen-7B 基于 Transformer 架構，支持 8K 上下文，覆蓋多種 NLP 任務。
? 特點：
-
大規模預訓練數據（2.2 萬億 token）
-
支持插件調用
🔗 GitHub
🔹 Code Llama —— 基于 Llama 2 的 AI 代碼生成模型
Meta 發布的 代碼生成大模型，支持 Python、C++、Java 等編程語言。
? 版本：
-
Code Llama（基礎代碼模型）
-
Code Llama-Python（Python 優化）
-
Code Llama-Instruct（指令理解）
🔗 GitHub
🔹 MiLM-6B —— 小米 AI 大模型
小米開發的 64 億參數 中文大模型，在 C-Eval 和 CMMLU 評測中表現優異。
? 特點：
-
中文優化
-
高性能推理
🔗 GitHub
🔹 LLaMA —— Meta 開源大語言模型
Meta 的 LLaMA 系列（7B/13B/33B/65B），性能超越 GPT-3。
? 特點：
-
高效推理
-
適合本地部署
🔗 GitHub
🔹 Falcon —— 阿聯酋開源語言模型
Falcon 40B 是目前 最強大的開源語言模型之一，性能優于 LLaMA。
? 特點：
-
400 億參數
-
高效推理
🔗 GitHub
🔹 Vicuna —— 基于 LLaMA 的微調模型
Vicuna-13B 達到 ChatGPT 90% 的質量，訓練成本僅 300 美元。
? 特點：
-
低成本微調
-
高性能對話
🔗 GitHub
🔹 BLOOM —— 1760 億參數多語言模型
BLOOM 支持 46 種自然語言 + 13 種編程語言，完全開源。
? 特點：
-
多語言支持
-
免費商用
🔗 GitHub
🔹 GPT-J —— 60 億參數開源模型
GPT-J 基于 GPT-3 架構，性能接近 OpenAI 的 67 億參數版本。
? 特點：
-
完全開源
-
支持代碼生成
🔗 GitHub
🔹 WizardLM —— 基于 LLaMA 的微調模型
WizardLM 使用 Evol-Instruct 方法自動生成訓練數據，優化指令理解。
? 特點：
-
70K 指令微調
-
高性能對話
🔗 GitHub
🛠? 3. LLM 相關工具
🔹 OpenLLM —— 大語言模型操作平臺
支持 Fine-tune、Serve、部署、監控 任何 LLM，兼容多種開源模型。
? 特點：
-
支持 RESTful API
-
簡化部署
🔗 GitHub
🔹 LangChain —— 構建 LLM 應用的工具
提供 Prompt 管理、LLM 接口、文檔加載、鏈式調用 等功能。
? 特點：
-
支持多種 LLM
-
靈活構建 AI 應用
🔗 GitHub
🔹 JARVIS —— 連接 LLM 和 AI 模型的協作系統
由 LLM 作為控制器，調用 HuggingFace 模型執行任務。
? 工作流程：
-
任務規劃
-
模型選擇
-
任務執行
-
生成響應
🔗 GitHub
🔹 Dify —— LLMOps 平臺
可視化編排 Prompt、數據集、API，支持 GPT-3/4、LLaMA 等模型。
? 特點：
-
開箱即用
-
支持私有化部署
🔗 GitHub
🔹 Flowise —— 可視化構建 LLM 應用
基于 LangChain 的低代碼工具，支持對話鏈、記憶代理等。
? 特點：
-
拖拽式 UI
-
快速原型開發
🔗 GitHub
🎉 總結
本文整理了 國內外 50+ 開源大語言模型及相關工具，涵蓋：
-
中文 LLM（ChatGLM、MOSS、DB-GPT 等）
-
國際 LLM（LLaMA、Falcon、BLOOM 等）
-
LLM 工具（LangChain、Dify、Flowise 等）
無論是 學術研究 還是 商業應用，這些開源項目都提供了強大的支持！ 🚀
)
