在LLM領(lǐng)域我們了解最多的很可能是OpenAI的ChatGPT，以及最近在多模態(tài)表現(xiàn)非常出色的Google Gemini，這些都是AI大模型的領(lǐng)頭羊，代表著AI大模型發(fā)展的先進(jìn)成果。然而，在大模型的實際應(yīng)用中必須要綜合考慮成本、信息安全等內(nèi)容，因此，開源成為了另一個選項。在開源生態(tài)中也涌現(xiàn)了許多優(yōu)秀的LLM預(yù)練模型，這些模型有著各自的亮點，并且隨著AI技術(shù)的發(fā)展，未來將不止于此。

本文主要介紹目前為止（2024年1月）幾個值得關(guān)注的大開源LLM。

1.Llama 2：最佳開源LLM

資源：https://ai.meta.com/llama/

Llama 2是Meta于2023年推出的最重要的開源LLM。這是一個在2萬億令牌上訓(xùn)練的預(yù)訓(xùn)練生成AI模型，支持70億到700億個參數(shù)。Llama 2比Llama 1多了40%的訓(xùn)練數(shù)據(jù)，并且支持的上下文長度多了兩倍。

目前，Llama 2仍然是市場上性能最高的開源語言模型之一，在推理、編碼、熟練度和知識測試等關(guān)鍵基準(zhǔn)測試中表現(xiàn)出色。

目前 Hugging Face Open LLM 排行榜將Llama 2-70B列為市場上第二好的LLM，平均得分為67.35，ARC為67.32，HellaSwag為87.33，MMLU為69，83，TruthfulQA為44.92。 

Llama 2還表現(xiàn)出了能夠媲美GPT 4等專有模型的良好性能。Anyscale的首席科學(xué)家兼谷歌前首席工程師Waleed Kadous發(fā)表了一篇博客文章，介紹Llama 2在總結(jié)方面的準(zhǔn)確性與GPT-4大致相同，同時運(yùn)行成本也低30倍。

值得注意的是，Meta還有一個名為Llama 2 Long的它是Llama 2的修改版本，額外增加了4000億個令牌，支持32000個上下文長度。

Meta聲稱Llama 2 Long的70B變體在長上下文任務(wù)（如：回答問題、摘要和多文檔聚合等）上的性能超過了GPT3.5-16ks。

2.Falcon 180B：最大的開源大語言預(yù)訓(xùn)練模型

資源：https://huggingface.co/blog/falcon-180b

Falcon是阿拉伯聯(lián)合酋長國技術(shù)創(chuàng)新研究所2023年發(fā)布的最大的LLM——180B。它旨在出色地完成自然語言任務(wù)，截至2023年10月，F(xiàn)alcon是預(yù)訓(xùn)練語言模型的Hugging Face Open LLM排行榜上排名第一的LLM，平均得分為68.74，ARC為69.8，HellaSwag為88.95，MMLU為70.54，TruthfulQA為45.67。

想要在聊天機(jī)器人環(huán)境中使用Falcon 180B，可以使用名為Falcon 180B Chat的版本，這是對聊天和指令數(shù)據(jù)進(jìn)行微調(diào)的主模型的修改版本。

然而，F(xiàn)alcon 180B的一個關(guān)鍵限制是其基礎(chǔ)開源許可證非常嚴(yán)格。除了禁止用戶使用LLM違反當(dāng)?shù)鼗驀H法律或傷害其他生物外，打算托管或提供基于LLM的管理服務(wù)的組織還需要單獨的許可證。

此外，與其他專有LLM或開源LLM（如Llama 2）相比，F(xiàn)alcon180B缺乏護(hù)欄，這意味著它可以更容易地用于惡意場景。

訓(xùn)練和推理對硬件的要求如下：

3.Code Llama：最佳代碼生成LLM

資源：https://github.com/facebookresearch/codellama

Meta的另一個佳作是Code Llama，這是一個基于Llama2，并在代碼數(shù)據(jù)集上訓(xùn)練的模型，包括5000億個代碼和代碼相關(guān)數(shù)據(jù)的Token。

Code Llama支持7B、13B和34B參數(shù)，并在Python、C++，Java、PHP、Typescript（JavaScript）、C#、Bash等語言方面進(jìn)行微調(diào)，以支持生成代碼并解釋代碼的作用等。

例如，用戶可以要求聊天機(jī)器人編寫一個輸出斐波那契序列的函數(shù)，或者請求有關(guān)如何列出給定目錄中所有文本文件的指令。

這使得它非常適合旨在簡化其工作流程的開發(fā)人員或希望更好地理解一段代碼的功能及其工作方式的新手。

Code Llama有兩個主要的變體：Code Llama Python和Code Llama Instruct。Code Llama - Python使用額外的100B Python代碼進(jìn)行訓(xùn)練，為用戶提供更好的Python編程語言代碼創(chuàng)建功能。

Code Llama Instruct是Code Llama的微調(diào)版本，它在50億個人類指令的令牌上進(jìn)行了訓(xùn)練，并已開發(fā)用于更好地理解人類指令。

4.Mistral：最佳7B預(yù)訓(xùn)練模型

資源：https://github.com/mistralai/mistral-src

2023年9月，Mistral AI發(fā)布了Mistral 7B，這是一款小型但高性能的開源LLM，擁有70億個參數(shù)，其開發(fā)目的是比大型閉源模型能夠更有效地運(yùn)行，使其成為實時應(yīng)用的理想選擇。

Mistral 7B使用諸如分組查詢注意力之類的技術(shù)來進(jìn)行更快的推理，并且使用滑動窗口注意力（SWA）來以更低的成本處理更長的序列。這些技術(shù)使LLM能夠比資源密集型的LLM更快地處理和生成大文本，并且成本更低。

該組織的發(fā)布公告顯示，Mistral 7B在arc-e上的得分為80.0%，在HellaSwag上的得分為81.3%，在MMLU上的得分為60.1%，在HumanEval基準(zhǔn)測試中的得分為30.5%，在每個類別中都明顯優(yōu)于LLama 2-7B。

Mistral AI還表示，Mistral在代碼、數(shù)學(xué)和推理方面優(yōu)于并超越Llama 1-34B，同時在代碼任務(wù)上接近Code Llama 7B的性能。

另外，還有一個Mistral 7B的替代版本，稱為Mistral 7B Instruct，它已經(jīng)在公開可用的會話數(shù)據(jù)集上進(jìn)行了訓(xùn)練，并且在MT-Bench基準(zhǔn)測試中優(yōu)于所有7B模型。

總之，這些信息表明Mistral AI是自然語言和代碼生成任務(wù)的可行選擇。

但是，一些人對Mistral 7B缺乏內(nèi)容審核表示擔(dān)憂，這導(dǎo)致它可能生成有問題的內(nèi)容，例如：如何制造炸彈的說明等。

5.Vicuna：最佳尺寸輸出質(zhì)量LLM

資源：https://github.com/lm-sys/FastChat

Vicuna 13B 是由加州大學(xué)伯克利分校的學(xué)生和教職員工于2023年3月發(fā)布的一個開源聊天機(jī)器人。

LMSYS的研究人員基于Meta的Llama模型，采用ShareGPT.com上分享的7萬個ChatGPT對話數(shù)據(jù)對其進(jìn)行了微調(diào)。在這些數(shù)據(jù)上訓(xùn)練Llama使Vicuna能夠生成詳細(xì)和清晰的用戶響應(yīng)，其復(fù)雜程度可與ChatGPT相媲美。

LMSYS機(jī)構(gòu)的初步測試表明，Vicuna的質(zhì)量達(dá)到了ChatGPT和Bard的90%，同時在90%的場景中優(yōu)于Llama和斯坦福大學(xué)的Alpaca。

LMSYS還報告說，Vicuna 13B在MT-bench上獲得6.39分，在ELO評分為1,061分，在MMLU上獲得52.1分。另外，在AlpacaEval排行榜上，Vicuna 13B的獲勝率為82.11%，而GPT-3.5為81.71%，Llama 2 Chat 70B為92.66%。

令人印象深刻的是Vicuna 13B的訓(xùn)練成本大約為300美元。

Vicuna還有一個更大的版本Vicuna-33B，MT-bench得分7.12，MMLU得分59.2。

6.Giraffe：最佳尺度上下文長度模型

資源：https://abacus.ai/

2023年9月，Abacus.AI發(fā)布了 Giraffe的70B版本，Giraffe是基于Llama 2進(jìn)行微調(diào)的模型，將模型的上下文長度從4096擴(kuò)展到32000。Abacus.AI為Giraffe提供了一個長上下文的窗口，以幫助提高下游任務(wù)處理性能。

擴(kuò)展的上下文長度使LLM能夠從下游數(shù)據(jù)集檢索更多信息，同時減少錯誤，也有助于與用戶保持更長的對話。

Abacus.AI 聲稱Giraffe在提取、編碼和數(shù)學(xué)方面是所有開源模型中最好的性能。在MT-Bench評估基準(zhǔn)下，70B版本獲得了7.01分。

Abacus AI首席執(zhí)行官Bindu Reddy表示：“我們根據(jù)一組基準(zhǔn)對70B模型進(jìn)行了評估，調(diào)查了LLM在長“上下文”下的性能。”。“與13B模型相比，70B模型在文檔QA任務(wù)的最長上下文窗口（32k）下有顯著改進(jìn)，在我們的AltQA數(shù)據(jù)集上，準(zhǔn)確率為61%，而13B的準(zhǔn)確率為18%。我們還發(fā)現(xiàn)，它在所有上下文長度上都優(yōu)于可比的LongChat-32k模型，在最長上下文長度下性能也有所提高（在32k上下文長度下，準(zhǔn)確率分別為61%和35%）。”

值得注意的是，Abacus AI還說，Giraffe 16k 在16k上下文長度的現(xiàn)實任務(wù)中能夠有良好的表現(xiàn)，甚至在20-24k上下文長度下依然可以表現(xiàn)良好。

7.ChatGLM：最佳開源中英雙語對話模型

資源：https://github.com/THUDM/ChatGLM3

ChatGLM是智譜AI和清華大學(xué) KEG 實驗室聯(lián)合發(fā)布的新一代對話預(yù)訓(xùn)練模型。2023年的10月27日發(fā)布了ChatGLM3系列，ChatGLM3-6B是ChatGLM3 系列中的開源模型，在保留了前兩代模型對話流暢、部署門檻低等眾多優(yōu)秀特性的基礎(chǔ)上，增加了一些特性。

新特性如下：

• 更強(qiáng)大的基礎(chǔ)模型：ChatGLM3-6B 的基礎(chǔ)模型 ChatGLM3-6B-Base 采用了更多樣的訓(xùn)練數(shù)據(jù)、更充分的訓(xùn)練步數(shù)和更合理的訓(xùn)練策略。在語義、數(shù)學(xué)、推理、代碼、知識等不同角度的數(shù)據(jù)集上測評顯示，ChatGLM3-6B-Base 具有在 10B 以下的基礎(chǔ)模型中最強(qiáng)的性能。
• 更完整的功能支持：ChatGLM3-6B 采用了全新設(shè)計的 Prompt 格式，除正常的多輪對話外。同時原生支持工具調(diào)用（Function Call）、代碼執(zhí)行（Code Interpreter）和 Agent 任務(wù)等復(fù)雜場景。
• 更全面的開源序列： 除了對話模型 ChatGLM3-6B 外，還開源了基礎(chǔ)模型 ChatGLM3-6B-Base、長文本對話模型 ChatGLM3-6B-32K。以上所有權(quán)重對學(xué)術(shù)研究完全開放，在填寫問卷進(jìn)行登記后允許免費(fèi)商業(yè)使用。

模型列表如下：

ChatGLM3-6B-Base 具有在 10B 以下的基礎(chǔ)模型中的性能最強(qiáng)。其得分如下：

另外，chatglm3部署占用顯存13G左右，官方給出了模型量化版本，采用INT4精度占用不到5G。INT4精度模型仍然可以流暢生成文字，但5G的效果要比13G的差些。

最后

本文只是介紹了一部分在開源LLM，但隨著AI的發(fā)展，開源AI解決方案也在不斷增長。