有人（个人）自己使用开源的 LLM 大模型吗？

自行部署的性价比太低了 一个机器的成本 几千 上万 大点的模型 可能得几万才行！

还需要维护 并且现阶段的开源模型，可能连 Gemini Pro 和 GPT3.5 都打不赢

个人部署实在没必要 除非是要实现某些商业目的 训练出某些专用得

开源大模型比较不错的有 qwen baichuan yi ，也有领域特化的，像 deepseek coder 这种。
具体看你是什么任务，如果是比较简单的问答 文本生成，或者传统 nlp 任务，又或者你希望在下游微调一些特定任务，那么开源模型是能不错的完成的，但是代码和数学与 gpt 3.5 有明显差距。

另外推荐一下自己微调的 LLM ，主旨是提供一套公开的 SFT 数据（因为目前大部分中文开源模型只公开了权重，但是训练数据，尤其是指令对齐的数据并不公开，导致从 Base 到 Chat 的复现有一定难度）
https://github.com/Azure99/BlossomLM
在线 Demo
https://blossom-chat.com/

有请 @ShadowPower

@Azure99 厉害了。

请问你的硬件配置是什么样子？

@skyqqcc581

确实门槛比较高，但是性价比不高。

@yuyue001 可以选择租卡，训练的话，4090 24G 显存用 lora 就足够微调 7b 甚至 13b 的模型了，一小时不到两块钱，a100 40G 也就 4 块钱，还是可以接受的

性价比太低，不如直接调阿里云的 api ，限时免费

chatglm

@skyqqcc581 @lstz 具体还是要看场景的，举个极端的例子，假设是离线跑批量预测的场景（例如生成文章），那么你用 vllm/tgi 一张 4090 推理 7b 的模型，是几乎能达到千 token/s 的，那么一小时能生成 3600k token ，成本只有两块钱，而阿里云上 7b 的模型跑这么多 token 需要花 0.006 * 3600 = 21.6 元。
另外，假设你需要微调模型的生成风格，直接用 API 也是无法做到的。

自己部署几乎都是为了个性化微调或者突破 API 的限制，就像推动 SD 发展的很大一股力量是为了搞瑟图，自己玩玩的话一块 4090 推理开源的 LLM 几乎都够了

@Azure99 #5 llama 7b 和 13b 我觉得效果还是不太好

@Azure99 感谢计算，我最近也有个开源项目要接入大模型，让我思考一下

@stimw 因为 llama 在预训练的时候并没有多少中文语料 中文 ppl 会非常高，所以中文任务最好用国产的预训练模型

@czfy 我觉得 @Azure99 说得挺好的

本地部署 llm 可使用 ollama https://ollama.ai/ ，有一众 llm 可用 https://ollama.ai/library ，可搭配 ollama-webui 使用 https://github.com/ollama-webui/ollama-webui ，

同样有需求，领导让给行政他们搞个，怕泄露信息还得是内网用的，插个眼回头来抄作业~

https://github.com/baichuan-inc/Baichuan2
https://github.com/QwenLM/Qwen
https://github.com/THUDM/ChatGLM3
大的企业/研究机构开源的不少

，我实测在 MacBook Air M1 16G 环境中使用了一些 7b 、10b 、13b 模型，出字效率从高到低，都可以接受，极限基本上是 13b-q6 ，再大一些的模型会出现 oom 无法使用的情况

@Giftina #18 是不是跑了这些模型，电脑就其他什么都干不了了？

@QlanQ ollama 本质上和常规软件没有区别，放在后台没有什么感知，跑 llm 模型的时候别的事情也正常能干。除了 13b 的内存占用比较大，除此之外，我个人觉得没有电脑可感知的卡顿。