可信开源人工智能大模型案例汇编（第一期）

2O23912@OpenSourceCloudAllianceforindustRy,OSCAR2O23912@OpenSourceCloudAllianceforindustRy,OSCARTRUSTEDOPENSOURCEARTIMCIALINTELLIGENCELARGEMODELCASECOMPILATION22版权及免责声明版权及免责声明本报告版权归中国信通院云计算开源产业联盟所有。本报告所包含的内容、资料与信息，仅供您参考之用，并不构成意见或建议。中国信通院云计算开源产业联盟不保证或担保本报告内容、资料与信息的准确性，完整性，充分性或及时性。中国信通院云计算开源产业联盟明确不承担因基于本报告的任何内容、资料与信息，而采取的作为或不作为所产生的一切责任。33前言前言随着开源技术占据各大新兴领域的技术路线，其不断丰富人工智能领域的应用场景。2023年，Meta相继发布Laa和Llama2，很快成为广受欢迎的开源大模型，也成为许多模型的基座模型。开源大模型可以促进技术的共享和交流，加速人工智能的发展，但也存在数据隐私安全风险、许可协议尚未形成共识、产业生态不健全、商业模式不清晰等问题。为进一步引导开源大模型产业规范发展，中国信通院云计算开源产业联盟联合超神经编制《可信开源大模型案例汇编（第一期）》案例，旨在洞察开源人工智能大模型应用场景，梳理开源人工智能大模型的开源成熟度，提升开源人工智能大模型的创新发展。案例通过调研国内开源大模型的技术细节、应用场景、商业模式、应用治理、发展趋势等，并关注开源大模型技术生态及产业链上下游，全面展现开源大模型及其工具链的发展全貌，为下一代技术浪潮的发展助力。目录目录0101开源人工智能大模型发展背景和发展现状开源正成为推动人工智能大模型创新发展的关键引擎 1开源人工智能大模型发展历程 102全球开源人工智能大模型发展关键问题02全球开源人工智能大模型发展关键问题全球开源人工智能大模型商业模式基本形态 5开源人工智能大模型治理 603我国开源人工智能大模型发展洞察03我国开源人工智能大模型发展洞察开源人工智能大模型商业落地情况 8开源人工智能大模型基础配套设施建设情况 9开源人工智能人工智能大模型优势与不足 9开源人工智能大模型安全风险与合规情况 104开源人工智能大模型未来发展展望 1140404可信开源大模型产业推进方阵相关工作0505大模型案例ChatGLM大模型 14通义千问大模型 21紫东太初大模型 24Baichuan大模型 28DataCanvasAlaya九章元识大模型 31TigerBot大模型 34ChatLaw大模型 38元象大模型 41聚宝盆(Cornucopia)金融大模型 4506基础设施案例06基础设施案例DingoDB多模向量数据库 54Xtreme1 57AutoDev 59HyperAI超神经 61OpenBayes贝式计算 635Milvus 655开源人工智能大模型发展背景和发展现状开源正成为推动人工智能大模型创新发展的关键引擎在人工智能大模型领域，开源能够激发技术创新活力，推动数字时代科技创新。开源汇聚众智、促进多方协同，有效实现了优势互补，激发技术创新活力。开源开放的创新模式相比于工业时代封闭专利的创新模式，更顺应数字时代技术迭代快、应用范围广的发展规律，解决单一主体创新成本过高问题，通过去中心化的异步协作激发各类主体的创新创造活力，以开放协作实现智慧累积，对创新效率和创新质量带来巨大提升。eta在Llama基础上开源lma2并Llama2可以作为OpenAI和谷歌出售的专有模型的补充，有效激发了人工智能大模型共创浪潮。仅Llaa2开源几日后，在其基础上衍生的大模型FeeWly2便实现对Llama2的性能超越。与此同时，Llama2凭借其开放可拓展的优势，衍生出lawyer-llama、EduChat等垂直领域的模型产品，加速推动人工智能大模型场景化应用创新。开源人工智能大模型发展历程大语言模型的开源推动了深度学习和人工智能的持续发展，也催生了一系列前沿探索和落地应用。2017年，Google发表论文“ttentionisllouNeed”，首次提出了架构，该架构成为后续人工智能大模型构建的基础。2018年11月，Google提NLPSQuADGLUEBenchmark上得到最高水平评分。20202，GoogleT5text-to-text20225MetaAIOPT-175B20226BigScience176059GPT-320228GLM-130B，使用通用语言模型算法进行预训练。20232，MetaAILLaMA，训练数7B-65B。20236Baichuan-7B4096。202310ChatGLM3ChatGLM3-6B（32k）CogVLM-17B、以及智能AgentLM202312Qwen-72B、3、LLaMA等主流开源大模型逐渐衍生出其他开源人工智能大模型。 LLaMA 223年2MtaISA7etaAILaMA2，LLaMA140%，LLaMA23LLaMA-7BAlpaca-7B，Alpaca仅供学术研究使用，禁止商用。20233LLaMA模型和指令精调的Alpaca大模型Chinese-LLaMA-Alpaca，进一步促进大模型在中NLP20233，LMSYSOrgLLaMAVicuna-13BShareGPT20236LLaMA-13BUltraLM-13B20238LLaMA2-70B。 BLOOM 20226，BigScience社区发布。20235176B。20235LLaMABELLE。20236模型，发布自研多模态大模型igerBot。大数据系统计算技术国家工程实验室团队正在研发基于BOOM中文增量训练的中文基础模型Liny-Chinese-BOOM7B和175B模型量级，可用于商业场景。全球开源人工智能大模型发展关键问题开源人工智能大模型开源成熟度训练数据四个方面是衡量其开源成熟度的重要评定等级。全球开源人工智能大模型商业模式基本形态开源人工智能大模型的商业模式基本分为两类： open-core商业软件模式open-core的代码软件进行售卖。在开源人工智能大模型企业中，企业开源较低参数规模的大模型，并提供较大参数规模的付费版本。企业根据自身场景和业务需求，为客户定制专属大模型，并针对部署的定制化版本提供更全面的支持、咨询、培训和托管服务。 专业服务模式专业服务模式由传统商业软件的以“产品”为卖点转向以“服务”为卖点，是开源商业公司采用的一种全新的商业模式。由于开源人工智能大模型一种技术密集型产品，需要对大模型进行持续维护、优化、迭代升级才能发挥软件的最大价值。专业服务模式下的开源商业公司针对免费的开源项目提供收费服务，如技术文档、二次开发支持、用户培训等技术服务实现盈利。开源人工智能大模型治理开源人工智能大模型的治理分为数据治理与模型治理两部分。在数据治理中，开源人工智能大模型关注数据隐私与数据安全质量。开源人工智能大模型训练数据的非法泄露可能会导致敏感信息的暴露，因此确保数据隐私的安全成为治理的重要环节之一。在开发和使用过程中，需确保数据采集、存储和处理符合相关法规。数据的安全质量对于开源人工智能大模型同样重要。为确保数据安全质量，需关注数据的准确性、完整性、代表性等，并关注数据偏差和数据集的平衡性，避免模型在特定群体或场景下产生不公平偏见。高质量的数据能为模型提供更好的基础，从而使其在实际应用中发挥更大的价值。在模型治理中，应注重开源协议使用与模型伦理道德问题。开源协议通过明确规定开源项目的使用、修改和分发方式，为企业和用户提供了一定程度的保障。开源许可证保障了开源大模型的自由使用和共享，促进了创新和协作，同时也为开源大模型的作者和用户提供了一定的法律保护。目前，部分开源人工智能大模型使用常用的许可协议如Apache许可证等，同时部分模型采用自己定义的许可证。开源人工智能大模型的开发和应用还需关注伦理道德问题。这包括确保模型的公平性、透明度和可解释性，避免歧视性结果，评估和管理模型可能带来的社会影响。此外，还需关注模型在特定领域的合规性和符合道德标准的使用，以确保技术的正面推动作用。我国开源人工智能大模型发展洞察开源人工智能大模型开源程度统计在入选本次案例集的大模型中，模型框架开源的企业占比为100%，模型代码开源的企业100100%。在本次调研的所有开源大模型中，用户均22方便用户对模型进行微调和二次开发。同时，部分大模型对外公布其训练细节，方便用户研究大模型训练过程以及进行模型继续训练。开源人工智能大模型商业落地情况制造业、企业服务等多个场景，其中，应用于金融、企业服务、制造业和法律领域的大模型在本次调研中占比超过30%。在金融领域中，部分开源大模型已经应用于智能客服、智能运营、智能办公等场景，通过智能客服与用户进行多轮对话，提出具体的、可行的解决方案，同时通过开源人工智能大模型生成广告和营销内容，提升营销效率，运用开源人工智能大模型了解国内在法律领域中，应用开源大模型提供全流程智能辅助办案应用，对法律案件进行拆解、提取关键事件，构建智能审查、量刑预测、文书生成、自动编目、笔录生成等业务能力，通过智能技术辅助办案人员的常规工作，实现案件分析速度的提升。在企业服务中，开源人工智能大模型实现并提供智能化的解决方案，从而提高经营决策水平和业务运营效率，赋能企业构建高度自动化与智能化的企业知识库，并进行企业相关文档的摘要、总结、溯源。在制造业领域，开源人工智能大模型已应用于产线运营效率环节，如产品设计研发、质量控制检测、供应链管理、安全生产等。开源人工智能大模型基础配套设施建设情况伴随开源人工智能大模型的发展，数据平台、大模型开发工具、大模型训练部署平台与向量数据库等基础配套设施的开源生态不断完善。开源数据平台使用门槛较低，相比传统数据服务，具有显著的成本优势。开源训练平台用户能够最大限度地提高人工智能部署的效率，同时大幅降低成本。开源向量数据库由于其开源开放特性，在性能、扩展能力和功能方面具有优势，开源向量数据库具有较快的数据查询速度和更高的压缩比率，同时具有更强大的扩展能力。大模型开源开发工具降低了个人用户和中小企业的开发难度，目前国内部分大模型开源开发工具用户已超万人。大模型开源训练部署平台能够灵活部署，从数据管理、模型开发、训练管理、模型管理全链路功能开放透明，方便用户学习。开源人工智能人工智能大模型优势与不足优势在本次调研的开源人工智能大模型中，部分模型在开源模型测评榜单中位居前列，部分开源模型能力已领先在逻辑推理、幻觉感知等方面有高的精度，配套生态丰富，可以支持行业模型应用。开源人工智能大模型有效降低用户使用门槛，方便用户训练、微调并使人工智能大模型。不足通过调研，目前国内开源人工智能大模型数量较闭源人工智能大模型仍有差距，模型在多模型应用创新落地能力仍有提升空间。目前国内外基于大模型的应用多停留在基础阶段，应不断提升开源大模型能力，为用户带来便捷、可靠、高效、个性化的产品。开源人工智能大模型安全风险与合规情况在本次调研的开源人工智能大模型中，通过强化数据安全与保障模型安全以提升模型合规能力。通过数据安全与模型安全，已初步构建开源人工智能大模型安全保障防线。在数据安全方面，部分企业构建数据安全标注团队，标注并审核安全与合规相关的微调数据，通过从应用到数据、框架、基础设施以及整个的合规体系的建设，以及关注数据投喂带来的价值偏见、隐私泄露、数据污染、训练数据固有偏见导致模型产生偏见内容等问题。在模型安全方面，企业建立安全一系列策略，如训练基于安全和合规的奖励模型，通过RLHF用户输入的问题以及模型生成的答案进行审核，注重算法安全，针对涉底线的相关问题搭建了分类检测模型。开源人工智能大模型未来发展展望模型能力提升。坚持模型规模和数据规模的提升，不断提升基础模型的智能水平，打造结合大模型的AI系统，让AI具备听说看等基础能力，持续探索大模型具身智能，支持智能感知认知决策，实现和真实世界的交互。加快行业应用落地AI优化模型逻辑，贴合真实场景需求，就多个细分领域结合专业数据训练细分领域模型，以便更好的应用于细分场景。加强开源配套设施建设。通过加强开源数据平台、大模型开发工具、大模型训练部署平台与向量数据库等基础配套设施建设，降低人工智能大模型使用门槛，实现专家级虚拟助手，颠覆传统开发方式、成为工作加速器，持续繁荣开源人工智能大模型生态。可信开源大模型产业推进方阵相关工作已开展工作中国信通院可信开源大模型产业推进方阵成立2023921日，由中国信息通信研究院和中国通信标准化协会联合主办的“2023OSCARTWOS下设的可信开源大模型产业推进方阵旨在聚集开源大模型相关企业和人才，探讨开源大模型的治理、商业化模式等热点问题，并提供大模型生态赋能。 可信开源大模型案例集信开源大模型案例汇编（第一期）》案例征集计划。案例旨在促进大中小企业融通，扩展开源人工智能大模型、行业大模型服务千行百业的应用场景，提升企业应用开源大模型实现专精特新发展。后续计划大模型案例大模型案例ChatGLMChatGLM大模型开源大模型概述2019AI2023了多款模型，它们具有不同的能力，开发者可以对这些模型进行使用和定制。Token数代表了模型支持的总Token数量，包括了输入+输出的所有token。同时，Token数不代表用户输入字符的数量。在我们的模型中，一个token约等于1.8个汉字。Chat模型下表为智谱AI开源的语言模型列表模型介绍上下文token数代码链接模型权重下载链接ChatGLM3-6B8KChatGLM3ChatGLM3-6B-base第三代ChatGLM基座模型。ChatGLM3-6B-Base采用了更多样的训练数据、更充分的训练步数和更合理的训练策略。在语义、数学、推理、代码、知识等不同角度的数据集上测评显示，ChatGLM3-6B-Base具有在10B以下的基础模型中最强的性能。8KChatGLM3-6B-32k第三代ChatGLM长上下文对话模型。在ChatGLM3-6B的基础上进一步强化了对于长文本的理解能力，能够更好的处理最多32K长度的上下文。8KChatGLM2-6B8KChatGLM2ChatGLM2-6B-int4ChatGLM2-6B的int4量化版本，具备最小5.1GB显存即可运行。INT4量化下，6G显存支持的对话长度由1K提升到了8K。8KChatGLM2-6B-32k32KChatGLM2-6B-32k-int432KChatGLM-6B2KChatGLMChatGLM-6B-int4ChatGLM-6B的Int4版本。最低只需6GB显存即可部署，最低只需7GB显存即可启动微调（P-Tuningv2）2KChatGLM-6B-int8ChatGLM-6B的Int8版本2KAgentLM-7B我们提出了一种AgentTuning的方法4KAgentTuningHuggingfaceRepoAgentLM-13B我们开源了包含1866个高质量交互、6个多样化的真实场景任务的Agent数据集AgentInstruct4KHuggingfaceRepoAgentLM-70B基于上述方法和数据集，我们利用Llama2微调了具备超强Agent能力的AgentLM-7B、AgentLM-13B、AgentLM-70B。8KHuggingfaceRepo多模态模型智谱AI致力于推动多模态模型的发展，因此，我们推出了具有视觉和语言双模态的模型。模型介绍代码链接模型下载CogVLM-17B智谱AI最新的，强大的开源视觉语言模型（VLM）。基于对视觉和语言信息之间融合的理解，CogVLM可NLPCogVLM-17B是目前多模态权威学术榜单上综合成绩第一的模型，在14个数据集上取得了state-of-the-art或者第二名的成绩。CogVLMVisualglm-6BVisuaGLMRDMRDM代码模型模型介绍代码链接模型下载CodeGeeX2-6BCodeGeeX2CodeGeeX2-6B-int4CodeGeeX2的量化版本CodeGeeX-13BCodeGeeXCodeGeeX下载其他模型我们还开源了以下模型，以便用户使用我们多元化的产品。MathGLM-2BMathGLMTHU-CloudMathGLM-SOOMMathGLM-100MMathGLM-10MMathGLM-LargeMathGLM-1OBTHU-CloudsameMathGLM-ChatGLM-6BTHU-CloudMathGLM-ChatGLM2-6B开源大模型发布时间历程开源大模型信息问题列表 具体内容项目地址G/THUDMGitHubStar 开源许可/THUDM/ChatGLM3/blob/main/MODEL_LICENSE模型大小6B问题列表 具体内容参数规模6BToken数量2k，8k，32k已上线的社区及链接参考格式：Hugging链接）、GitHub（链接）https:/githubcom/THUDM，https:/huggingacco/THUDM参加基准测试名称及分数参考格式：CLUE（得分/满分）、ModelScope（得分/满分）开源大模型的特点ChatGLM3是智谱AI和清华大学KEG实验室联合发布的新一代对话预训练模型。ChatGLM3-6BChatGLM3ChatGLM3-6BChatGLM3-6B的基础模型ChatGLM3-6B-BaseChatGLM3-6B-Base10BChatGLM3-6BPrompt时原生支持工具调用（FunctionCall）、代码执行（CodeInterpreter）Agent更全面的开源序列：除了对话模型ChatGLM3-6B外，还开源了基础模型Base、长文本对话模型ChatGM3-6B-32K。以上所有权重对学术研究完全开放，在填写问卷进行登记后亦允许免费商业使用。通义千问大模型通义千问大模型开源大模型概述模型名称：Qwen(通义千问）系列，其中包括大语言模型Qwen，大视觉语言模型Qwen-VL，大语音模型Qwen-Audio所属机构名称：阿里巴巴集团支持语言种类：本系列模型支持多种语言，但以中英为主，经测试，模型在法德意西等欧洲语言，日韩等亚洲语言表现良好。上线配套工具包括：API服务ahScope，网页端服务通义千问，PP服务通义千问，插件包括VSCode类别：通用，场景不限开源大模型发布时间历程Qwen-7B:8，9Qwen-VL:8，9Qwen-14B:9Qwen-72B:1111开源大模型落地案例及开源商业化进程Qwen自开源以来，广泛在阿里巴巴集团内外落地，帮助集团内外上百个业务落地，支持了淘宝、（许多客户名称暂不透露Qwen实现教育领域专属大模型智海三乐，以及有鹿机器人使用Qwen落地于清洁机器人等。开源大模型信息问题列表 具体内容项目地址/QwenLMGitHubStar数量8K+开源许可见GitHub项目License模型大小7B/14B参数规模70/140亿Token数量2.4T/3T所用算力512A100/1024A100单次训练时长10/15天用户规模20000+内外部贡献者比例60%/40%已上线的社区及链接GitHub:/QwenLMHuggingace:ModelScope:/organization/qwen参加基准测试名称及分数OpenCompass:62.4/100OpenLLMLeaderboard:60.07/100ChatbotArena:1030/1210开源大模型数据集来源edpajamapile开源大模型的特点Qwen在多项基础能力测评领先同规模甚至更大规模的其他语言模型，并且中文能力远超诸如LlamaQwenAgent能力。大模型幻觉问题解决方案；2.并增大预训练数据量，模型能力的提升能实现幻觉水平的降低；3.结合搜索增强以及知识库等方法，提升生成信息的准确性。开源大模型安全与合规治理优化预训练数据质量，使用规则加模型的方法过滤大量不良信息；2.相关的微调数据，让模型学习正确的价值观；3.训练基于安全和合规的奖励模型，以提升生成模型的安全水位。开源大模型未来发展规划；2.造结合大模型的AIAI并打造行业应用大模型。紫东太初大模型紫东太初大模型开源大模型概述模型名称：紫东太初2.0所属机构：中国科学院自动化研究所支持语言：中英平台：“紫东太初.0”是武汉人工智能研究院联合中科院自动化所、华为，基于昇腾AI，在全球首个图文音三模态大模型“紫东太初”基础上，利用昇思AI框架全新升级，推出的新一代大模型，从三模态走向全模态，打造中国通用AI代码生成、数学计算……，“紫东太初2.0”以更强的认知、理解、创作能力，带来全新互动体验，推动万物互联走向万物共生，向通用人工智能的目标更进一步。开源大模型发布时间历程0820能力；202020219向发展通用人工智能迈出了坚实的第一步。以此为基础，“紫东太初”大模型的多模态探索仍在持续深入。迈入数字经济时代，数据的范畴不针对新需求与新趋势2.03D从技术架构上实现了结构化和非结构化数据的全模态开放式接入；突破了能对信息进行充分理解和灵活生成的多模态分组认知编解码技术，能融合多个任务的认知增强多模态关联技术等，大模型多模态认知能力大幅提升。“紫东太初”2.0可以理解三维场景、信号等数字物联时代的重要信息，完成了音乐、图片和视频等数据之间的跨模态对齐，能够处理音乐视频分析、三维导航等多模态关联应用需求，并可实现音乐、视频等.0到2.0使人工智能进一步感知世界、认知世界，从而延伸出更加强大的通用能力。开源大模型落地案例及开源商业化进程紫东太初行业大模型应用案例（1）法律行业大模型案例法律法规、案卷材料等法律相关数据，经过清洗、标注、分析后，“投喂”给“紫东太初”大模型完成预训练，再将模型输出的结果，经法律专业人士审核，进一步强化模型能力，从而实现通用大模型在专业领域“说”专业语言。经过训练，“紫东太初”大模型可对法律案件进行拆解、提取关键事件，在办公效率方面，实现案件分析速度的百倍提升。（2）政务行业大模型案例基于光谷政务服务业务需求，结合紫东太初大模型基座能力，训练招才政务大模型。未来将担任已经在光谷或意向来光谷的人才智能助手，充当人才的24330%以上。基于紫东太初大模型开放服务平台打造医疗行业大模型，实现数据智能标注、高效模型训练、模型//l规格复杂、数量繁多，清点复核耗时长，且严重依赖人工清点，出错率高，正常单人单次清点需花费2小时以上，经实际评估，使用本大模型结合视觉能力，可实现5分钟每台手术的器材清点，人效提升697%以上。基于紫东太初大模型打造医疗行业科研大模型，分析数千万量级文献，结合持续更新的临床数据和试验数据，梳理文献中的文本、数据、图片等多模态融合数据进行预训练，结合专业医学教授沉淀的经验进行指令微调和反馈，大模型进行持续的行业强化学习，可完成精准的多模态信息的结构化抽取和文3099以上，大幅减轻医疗科研工作者效率，后期，将拓展模型主动科研探索能力，真正助力医疗科研走上新的台阶。开源大模型信息问题列表 具体内容项目地址大模型体验地址：中文高质量开源数据集https://huggingface.co/datasets/CASIA-LM/ChineseWebText大模型数据处理开源代码：/CASIA-LM/ChineseWebText参数规模百亿/千亿开源大模型数据集来源数据源含公开数据集、自采数据集、行业数据集等。已开源高质量数据集：https://huggingacco/datasets/CASIA-LM/Chineseeext开源大模型的特点全模态大模型：紫东太初的“全模态”原生学习能力更强。语言能力出众：在逻辑推理、幻觉感知等方面有高的精度。模型配套生态丰富：可以支持行业模型应用。全栈国产化：符合信创标准，是第一个通过可信测试的大模型。大模型幻觉问题解决方案利用知识增强在模型幻觉和精准问答之间取得平衡。开源大模型安全与合规治理大模型需要满足3个关键需求：一是安全可控，包括内容安全和算法安全；二是场景驱动，要在能保护用户的专有数据，建立私有云平台，保障客户的数据安全。开源大模型未来发展规划持续研究大模型工作机理。加快行业应用落地，以大模型推动AI行业升级，革新内容生产模式、全自然交互完成任务、实现专家级虚拟助手、颠覆传统手工编程方式、成为工作加速器。持续探索大模型具身智能，支持智能感知认知决策。Baichuan大模型Baichuan大模型开源大模型概述百川智能共发布Baichuan-7B/13B，Baichuan2-7B/13B四款开源可免费商用大模型，一款Baichuan2-192K8学术机构、开发者和企业用户。其中Baichuan2-192K适用于传媒、金融、法律等具体场景，不久后将全面开放。开源大模型发布时间历程百川智能2023年6月15日发布国内首款开源可免费商用70亿参数量大语言模型Baichuan-7B；711日发布参数量130亿的大语言模型Baichuan-13B-Base、对话模型Baichuan-13B-Chat；96Baichuan2-7B/13B,1030Baichuan2-192k；2023Q47B13B开源大模型落地案例及开源商业化进程有超过上百家企业已申请百川大模型开源商用授权，并已将百川模型投入实际生产场景。企业涵盖互联网、软件和信息技术、金融、法律、教育、制造业、企业服务等众多领域，合作伙伴群体仍在持续扩大。开源大模型信息问题列表 具体内容项目地址GitHubStar2.9k开源许可免费可商用模型大小13B参数规模13B附带历史消息数4ktokenToken数量2.6T所用算力1000A800单次训练时长15用户规模内外部贡献者比例完全内部已上线的社区及链接GitHub（/baichuan-inc/Baichuan2）参加基准测试名称及分数https://huggingface.co/baichuan-inc/Baichuan2-13B-Chat开源大模型的特点百川智能公司在人工智能领域有着深厚的技术功底和丰富经验，其开源模型能力全面领先LLaMA2，且大幅优于同尺寸竞品，奠定了中国大模型开源生态在国际上的引领趋势。大模型幻觉问题解决方案百川大模型将搜索技术与大语言模型能力相结合，实现创新性的性能优化与改进。确保模型推理有合适的互联网内容做参考,在时效性和知识的正确性层面进行搜索增强，大大减轻模型幻觉问题，实现国内全行业幻觉处理最优。开源大模型安全与合规治理百川智能致力于通过有效的内容安全策略打造符合我国社会主义价值观的大模型，通过从应用到数训练数据固有偏见导致模型产生偏见内容等问题。开源大模型未来发展规划应用四个方向：一是助理超级应用提供更全面、个性化的服务；二是医疗助手成为辅助诊疗工具和每个人的家庭医生；三是开放世界成为游戏娱乐行业的生产力工具；四是行业专业大模型通过提供定制化的大模型落地应用方案。DataCanvasAlaya九章元识大模型DataCanvasAlaya九章元识大模型开源大模型概述模型名称：DataCanvasAlaya九章元识大模型所属机构名称：北京九章云极科技有限公司模型支持的语言种类和数量：万亿Token中英文训练，训练中英文比例1:2配套工具（平台、插件、APP）：Alaya-7B已经在GitHub进行开源。其工具链模型运行工具和提示词管理器已经上线，并在GitHub进行开源。模型所属的类别：通用面向的具体领域和场景：银行业，智能数仓管理、NL2SQL、文档关键信息提取；制造业，领域知智能辅助助手、角色扮演语言练习搭档开源大模型发布时间历程2023年6月30日，正式发布通识大模型DataCanvasAlaya九章元识大模型；20231121Alaya-7BAlaya-7BChat开源大模型落地案例及开源商业化进程ataCaasla九章元识大模型与DingoDB多模向量数据库联合打造了企业知识管家解决方案，已在金融、制造等多个领域进行商业化落地，赋能企业构建高度自动化与智能化的企业知识库，加速多模态大模型落地应用。开源大模型信息问题列表 具体内容项目地址/DataCanvasIO/AlayaGitHubStar22开源许可Apache2.0模型大小7B参数规模70亿参数量级Token数量1.5T+所用算力在A800集群上（504卡）已上线的社区及链接GitHub（/DataCanvasIO/Alaya）参加基准测试名称及分数中文榜C-Eval（100/65.9）英文榜MMLU(100/73.07)开源大模型数据集来源自研高品质SFT数据集(500k+条数据)，覆盖多领域、多形式、多情景。不对外公开。开源大模型的特点1、“白盒”大模型为用户提供更大自由度市场上的很多大模型都是“黑盒”，虽然在一定程度上开源了算法和架构，允许用户在上面进行训练，但是仍然受到诸多限制。比如，虽然允许用户使用该大模型，但是不能做微调，或者不允许用户做一些自己特有的商业化应用。la九章元识大模型是全面开源且license友好的“白盒”大模型，遵循Apache2.0license，2、“多模态”是必要前提，更是创新的手段la九章元识大模型不仅可以支持文本、图像，还能支持时序数据、结构化数据等。九章云极ataCas在自然语言的理解、文生图、代码生成等是大模型应用得比较好的领域有很多已经落地的成功案例。3、新的模型训练机制，降本增效la九章元识大模型采用了新的ttenton机制，不仅可以降低算力的消耗，而且在训练前与训练后，能够针对多模态实现有效的数据对齐。这是九章云极ataCaas独有的技术，在训练时能够很好地容纳多模态这样一种训练方式。4、系列模型矩阵，更好地满足“通识+产业”的需求la九章元识大模型不是一个大模型，而是一系列大模型，模型参数由小到大，覆盖从通识到垂直行业，能够更好地满足用户多样化的需求。九章云极ataCaas正式开源大模型矩阵中la7BFoundationModelAlaya-7BChatModelLLMOpsLMSLMPM提示词管理器两大工具，能够有效地推动大模型在各类行业场景的实际应用。开源大模型安全与合规治理1、Alaya九章元识大模型是“白盒”模式，用户使用过程中可以实现“known-how”;2、积极在网信办相关部门进行大模型以及算法备案工作。从算法层面以及产品底层逻辑层面符合国家合规要求;TigerBot大模型TigerBot大模型开源大模型概述模型名称：TigerBot所属机构名称：虎博网络技术（上海）有限公司模型支持的语言种类和数量：支持中文和英文两个语种上线配套工具：app已在内测中模型所属类别及具体领域和场景：通用领域开源大模型发布时间历程8/21/2023:TigerBot7b13bbase/chat9/06/2023:TigerBot70bbase/chatv19/25/2023：TigerBotv2TigerBot-70b-chatv3Tigerbot-13b-chat9/26/2023:TigerBotv3TigerBot-70b-chatv4Tigerbot-13b-chatTigerBot-70b开源大模型落地案例及开源商业化进程虎博ierBot大模型商业化路径包括私有化部署及API调用两种形式。10月份合计签约客户数200现形式包括：基于说明书、文档、攻略、研报的智能问答；领域内外文档的摘要、总结、溯源；海外NPC感知、记忆、反馈与行动等。10API4开源大模型信息问题列表 具体内容项目地址/TigerResearch/TigerBotGitHubStar1.9k开源许可Apache-2.0license模型大小7b、13b、70b、180b参数规模7b、13b、70b、180bToken数量训练数据300billiontokens所用算力1000A100Gpus单次训练时长两周用户规模两万内外部贡献者比例6:1已上线的社区及链接Github:/TigerResearch/TigerBotHuggingface:https://huggingface.co/TigerResearchModelScope:https:///organization/TigerResearch参加基准测试名称及分数不同size模型得分见链接：/TigerResearch/TigerBot/blob/main/image/eval_chat_0925.png开源大模型数据集来源公司使用了悟道、百度百科、知乎、openwebtext、arxiv等数据作为预训练预料开源大模型的特点在Llama-2-70b的基础上继续预训练，模型综合能力在mmlu等10项主流基准测试中，优于Llama-2-70b，达到业内SOTA；1300billiontokens2GQA,flash-attn,RoPE，holistic-training3、训练采用了tensor/pipeline-partition技术，计算效率达到Llama-2paper中报告的SOTA;Tigerbot-70b-chat:Tigerbot-70b-base20Msft，10Kgoldsetrejection-sampling大模型幻觉问题解决方案改进训练数据的质量和多样性，确保数据覆盖广泛且质量高，避免模型在不熟悉的数据中产生幻觉。通过改进训练算法增强模型的理解推理能力增加监管和过滤，避免模型生成有害和误导性内容。利用外部数据源或者专家审查来确保模型输出的准确性开源大模型安全与合规治理1、尽可能使用干净的的训练语料，并通过机器+人工的模式进行了部分语料的清洗和标注，不断99%2、建立关键词库并不断优化扩充，目前已达到十万量级。3、公司搭建了内容审核团队，采用机审+人审的模式对用户输入的问题以及模型生成的答案进行审核，针对涉底线的相关问题搭建了分类检测模型。此外，公司与头部内容审核供应商建立合作关系，双重保障大模型的安全合规。开源大模型未来发展规划模型上线后将主要服务于生成式AIbcTigerBotcchatgpt（需要海外用户的交互反馈capp24ChatLaw大模型ChatLaw大模型开源大模型概述模型名称：ChatLaw支持语言：中文配套工具平台：网页所属类别：法律垂直领域场景：提供法律问答咨询、法条与类案参考、文书生成等，为法律相关行业提供降本增效的辅助工具，为法律需求当事人提供可信便捷的专业领域知识信息与法律意见参考。开源大模型发布时间历程2023年7月初发布GitHub开源版本，同时开放部分功能内测；开源大模型落地案例及开源商业化进程目前主要与律师事务所、司法机关、行业内传统AI科技公司等达成合作，根据专业领域具体细分需求升级模型、开发产品等，以便更满足行业需求。开源的基础模型即将上线海内外多个开发者平台，如百度千帆等，以便支持开发者更方便的调用与开发。开源大模型信息问题列表 具体内容项目地址/PKU-YuanGroup/ChatLawGitHubStar5.4k开源许可AGPL-3.0模型大小13B，33B参数规模13B，33B附带历史消息数4kToken数量4k用户规模百万级内外部贡献者比例9：1已上线的社区及链接https://huggingface.co/JessyTsu1/ChatLaw-13B、/PKU-YuanGroup/ChatLaw开源大模型数据集来源裁判文书网中国法律服务网非公开部分：私有法律数据库不可公开开源大模型的特点ChatLw在国产法律领域取得了数据及模型上的领先。在技术方面，有成熟的法律检索模型，推理基座模型，以及多个法律子任务子领域模型；在数据方面，有大量公开或半公开训练数据，以及高质量专家标注数据。大模型幻觉问题解决方案RAG框架，根据相关法律知识及法条法规作为逻辑上对幻觉的约束；根据使用场景下的证据材料作为事实对幻觉进行约束。其次，通过不断强化基座模型的法律逻辑能力约束幻觉。开源大模型安全与合规治理通过严格的RLHF对齐大模型的价值观，约束至符合主流安全规定。开源大模型未来发展规划优化模型法律逻辑，贴合法律真实场景需求；就多个细分领域结合专业数据训练细分领域专家模型，以便更好的应用于细分场景。元象大模型元象大模型开源大模型概述元象大模型XVERSE系列，由元象XVERSE（深圳元象信息科技有限公司）开发。现有XVERSE-7B/13B/65B2.6-3.28K/16K，40Github、魔搭、HuggingFace具备工具调用、代码解释、反思修正等能力，为构建智能体（AIAgent）奠定技术基础，提高模型实用性；显著缓解幻觉问题，减少大模型“胡说八道”，提高准确性和专业度。应用领域与场景：在医疗、教育、文旅、金融和娱乐等多个行业具有广阔应用前景，也将为元象自身的元宇宙应用提供强大技术支持。开源大模型发布时间历程2023-8-7开源130亿参数XVERSE-13B2023-9-26开源70亿参数XVERSE-7B2023-11-6开源650亿参数XVERSE-65B2023-11-6开源130亿参数升级版本XVERSE-13B-2后续将继续对模型进行升级迭代，并推出指令精调的对话版本XVERSE-65B-Chat。开源大模型信息问题列表 具体内容项目地址/xverse-aiGitHubStar609开源许可Apache2.0开源协议模型大小7B/13B/65B参数规模70亿参数、130亿参数、650亿参数Token数量含多轮对话数据所用算力千卡算力内外部贡献者比例7:03:00已上线的社区及链接HuggingFace：https://huggingface.co/xverse/xverse-ai参加基准测试名称及分数【65B】C-Eval：69.3/CMMLU：69/MMLU：68.2【13B-2】C-Eval：63.5/CMMLU：66.2/开源大模型落地案例及开源商业化进程元象VERSE与腾讯音乐联合推出yaVRSE加速大模型，并借助该技术全面升级音乐助手“AI小琴”的问答、聊天与创作能力，让她情商与智商双高，为用户提供个性化、更深入、陪伴感十足的音乐互动体验。用户只需点击QQAIAI小琴”会根据用户的提问、播控习惯和当下心情，提供闲聊、推歌、音乐解读、词曲创作等服务，充当全能听歌陪伴助手。开源大模型的特点【XVERSE-65B创新能力】理解、生成、推理和记忆等基础能力，到模型的多样性、创造性和精度表现，从优异到强大；扩展了工具调用、代码解释、反思修正等能力，为构建智能体（AIAgent）奠定技术基础，提高模型实用性；显著缓解7B13B【元象大模型系列关键技术与研发创新】●复杂分布式系统设计：借鉴团队研发腾讯围棋AI“绝艺”、王者荣耀AI“绝悟”等大系统上的58.5%，位居业界前列。●全面提升性能：6B训练中采用Flashtention2加速计算，3D并行基础上采用虚拟流水线（virtualpipelne）技术，降低较长流水线产生过高气泡率，提升计算推理效率；上下文窗口长度从8K16K，使其不仅能出色完成复杂任务，包括长文理解、长文生成和超长对话，还拓展了工具调用、代码解释及反思修正能力，能更好构建智能体（AIAgent）。65B98.6%。大模型幻觉问题解决方案团队在NLP积累深厚，为了避免回答出现幻觉，我们采用了多样化且准确的数据进行训练，让模型尽可能地多学习。从拟人的角度看，其实人有时候也会出现“空耳”以及理解偏差的情况，但我们会努力让模型避免此类问题。从去年开始我们就针对“基于动态知识引入的事实一致性对话生成”这一关键AIvectordatabase答缺乏依据和存在幻觉的问题。开源大模型安全与合规治理公司设有内外部安全标注团队，同时人数会根据实际情况进行快速增补和调整，可根据需要在一个月的时间内扩充到千人的规模。10标准对齐，保证标注质量的稳定性。核验方法：为提高标注内容准确性，内容由多人（至少3人）交叉标注，之后对全量标注内容的30%进行人工核验。95%95%聚宝盆(Cornucopia)金融大模型聚宝盆(Cornucopia)金融大模型开源大模型概述(Cornucopia)&模型支持中英双语；Cornucopia-LLaMA-Fin-Chinese开源训练框架；金融领域，主要涉及理财、股票、基金、贷款、信用卡、社保、保险等金融咨询、金融文本分析、金融计算、金融检索问答。开源大模型发布时间历程今年5月中旬发布了两版llama系的初版训练模型，11月底将发布最新的优化版本模型和13B模型，并与年底开源所有金融指令数据集。开源大模型信息问题列表 具体内容项目地址/jerry1993-tech/Cornucopia-LLaMA-Fin-ChineseGitHubStar410开源许可ApacheLicene2.0可商用模型大小7B参数规模70亿参数附带历史消息数含多轮对话数据所用算力A1001*80G单次训练时长23h已上线的社区及链接https:/huggingacco/yuangmu125开源大模型落地案例及开源商业化进程toB开源大模型的特点优势是在于我们有一套完整的训练框架和实际场景的数据，基于开源模型架构如LLaMA进行领域训练，适配性强，并且开源可商用。大模型幻觉问题解决方案应对大模型幻觉问题除了保证训练数据质量，还应该配合外挂知识库检索问答的能力，本模型进行了针对性的金融检索问答能力训练。开源大模型安全与合规治理从鲁棒性、可靠性、隐私性、公平性和可解释性五个可信属性角度，提升大模型安全性策略，包括对可信属性的评估策略、可信属性的保障和防护策略等。基础设施案例基础设施案例Colossal-AIColossal-AI开源大模型概述工具链名称：新一代大模型分布式高效开发基础设施Colossal-AI所属机构名称及介绍：潞晨科技潞晨科技由新加坡国立大学尤洋教授创立，致力于解放AI生产力，打造世界级的分布式AI开发和部署平台，让超级计算机和云平台零成本服务AI。I模型在几年内已增大万倍，远超硬件能力数倍的增长，如何高效利用分布式技术实现AI大模型的并行训练加速已成为行业关键痛点。Colossal-AI通过高AI大模型训练，AI潞晨敏锐把握AI模型急速增大与硬件算力缓慢增长的尖锐矛盾，瞄准价值万亿美元的企业AI市场，基于多年在学术上的卓越成就和工业界的深厚积累，攻克多维张量并行、序列并行、异构内存管理、大规模优化库、自适应任务调度等多项核心关键技术，研发通用I大模型高效训练系统Colosal-AI这一核心产品，近期获得数亿元AA+24500(SingTelInnov8)所属的类别（GPU服务厂商、向量数据库等）以及该工具链在大模型上下游的作用：Colossal-AI(/hpcaitech/ColossalAI)是高效易用的大模型开发系统，使用户能够最大限度地提高人工智能部署的效率，同时大幅降低成本。Colossal-AI系统通过引入统一接口如图所示，Colssal-AI所属AI大模型开发内核层级，致力于解决大模型的分布式训练/微调/推理/异AI开源大模型发布时间历程2021年10月，Colossal-AI上线，登顶GitHub热度榜世界第一；2021年11月，刷新ViT模型训练速度世界纪录；2022年2月，发布利用空间异构分布式计算特性加速联邦学习；2022年3月，刷新lphaFold训练速度世界纪录，全面超越谷歌、哥伦比亚大学竞品，获机器之心等顶流专业媒体头条报道；2022年4月，Colossal-AI正式版发布，获CSDN、量子位等顶流专业媒体头条报道，登顶GitHub热度榜世界第一；2022年4月，全球首个规模化复现谷歌最新研究成果PathwaysLanguageModel；2022年5月，发布单卡大模型异构方案，可提升硬件模型容量十余倍2022年6月，发布大模型并行推理方案，相比英伟达FasterTransformer提升50%2022年8月，与百图生科联合发布蛋白质单体与复合物结构预测方案2022年9月，发布1750亿参数OPT模型推理优化在线体验2022年10月，发布蛋白预测推理优化方案2022年10月，发布单卡训练超大推荐系统模型方案202210StableDiffusion2022年12月，与摩尔线程联合发布预训练语言模型MusaBert荣登CLUE榜单TOP1020231StableDiffusion2.0//1750模型推理优化、自动并行2023214.5，Colossal-AIDeepSpeed，2023年3月，全球首个开源ChatGPTRLHF微调复现方案，登顶GitHub热度榜世界第一。2023年7月，发布650亿参数LLaMA大规模预训练加速方案2023年9月，发布700亿参数LLaMA2训练加速195%方案202311MoE9倍开源大模型落地案例及开源商业化进程Colossal-AI发布后广受关注，多次登上全球最大开源社区GitHub和PapersWithCode热度榜单世界第一，已成功刷新VT和lphaFold训练速度世界记录，性能和同期开源社区活跃度全面超越微软、谷歌、英伟达等相关国际巨头竞品，目前已获得GtHub星数三万五千多颗，位列全球TOP400，细分赛道排名世界第一。Colossal-AI已与多家世界/中国五百强、东南亚科技巨头、亚洲地区国家级研究机构、海外超算中心等开展合作，促进AI//千卡并行预训练系统能力，打造千亿参数私有大模型为某世界500强车企等基于Colossal-AI开发百亿至千亿参数量级的预训练对话模型GPT，GPT-MOEColossal-AITBA100GPU190百卡并行微调系统能力，个性化千亿参数私有大模型500Colossal-AIRLHFColossalChat继续预训练加微调方式快速构建领域知识增强模型RLHFPPO10结合搜索引擎，增强模型对话回复的时效性、知识性和准确性RLHFlangchain/针对具体业务场景，增强领域知识、多角色扮演、情感回应、幻想减轻等能力。StableDiffusion500StableDiffusionWebui使用层间融合和算子融合、数据精度校准等技术，减少推理内存占用，提升推理速度；StableDiffusionDreamboothWebuitxt2imgimg2imgWebui的参数，选择使用的不同版本模型等。Real-ESRGANSwinIR(4(86.5AI10倍加速IntelAlphaFold2Colossal-AI1019力成本；算子融合、ChunkLLM在生信领域的应用与Colossal-AI完美契合企业客服帮助东南亚互联网巨头等核心业务快速引入类ChatGPT能力，提升业务水平，助力企业降本增效。学习企业内部制度，有效应对复杂客服场景，大幅提升企业客服工作效率。90%以上准确率的前提下进一步减少训练时间。实现13倍以上生成式推理加速，帮助客户在生产环境中低成本部署模型。LLM底座为某互联网企业设计&训练用户数字分身，实现符合主播人设和沟通口吻的聊天机器人，增强线上用户粘性和聊天意愿基于Colossal中文基座模型，设计完整数据策略和训练方案，保障知识前提下提升对风格口吻的IP中东阿拉伯语使用者专属ChatGPT为中东watad能源公司提供基于阿拉伯语的chatGPT.BaseModel(Mulhem)达到阿拉伯语水平Model English-MMLU(5-shot) Arabic-MMLU(5-shot)LLaMA-2-7b44.4729.70Noon-7b29.8728.19Jais-13b-baselengthexceeds204828.67Mulhem-7b-base45.1931.19Mulhem-7b-chat48.5032.05各大知名媒体报道新兴芯片为摩尔线程、天数智芯等国产算力芯片提供Colossal-AI大规模AI训练和推理系统优化能力。开源大模型的特点潞晨科技助力AIAIColossal-AIcom/hpcaitech/ColossalAI)，可通过高效多维并行、异构内存等，降低AI训练//GPUAI大模型解决方案，Colossal-AIGitHubTOP400，细NeurIPSSC,AAAI,CVPR,ISC,NVIDIAGTCAIHPCColossal-AI已与多家世界/中国五百强、东南亚科技巨头、亚洲地区国家级研究机构、海外超算中心等开展合作，促进AI//开源大模型未来发展规划提升产品性能、扩展用户规模，支持更多模型和国产软硬件等。DingoDB多模向量数据库DingoDB多模向量数据库开源大模型概述工具链名称：DingoDB多模向量数据库所属机构及介绍：该工具所属于北京九章云极科技有限公司（以下简称：九章云极DataCanvas）（AI规模化应用。九章云极ataCaas的核心产品系列AIFS人工智能基础软件和ataPilot数据领航员具有高度的灵活性和可扩展性，能够处理各种类型和规模的数据，简化了数据处理和分析的复杂性。产品集成了一系列先进人工智能技术，包括多模态向量数据库、因果学习、思维件等，为企业提供AI软件开发新范式。产品介绍：DingoDB是一款业界领先的多模向量数据库，具备综合能力，包括结构化和非结构Serving、OLAP所属类别：向量数据库该工具链在大模型上下游的作用：支撑大模型底层数据存储，为大模型应用提供数据存储、管理、预处理、查询、分析等功能，同时重视数据安全和隐私保护，为AI产品的开发和运行提供了可靠的基础设施。开源大模型发布时间历程发布时间：2023年6月30日当前版本：DingoDBV开源大模型落地案例及开源商业化进程DingoDB多模向量数据库与ataCaasla九章元识大模型，联合打造了企业知识管家解决方案，已在金融、制造、能源等多个领域进行商业化落地，赋能企业构建高度自动化与智能化的企业知识库，加速多模态大模型落地应用。开源大模型信息问题列表 具体内容产品地址https:/wwdingodbcomGitHubStar386开源许可Apache2.0用户规模300+内外部贡献者比例7：3已上线的社区及链接GitHub（/dingodb）开源大模型的特点支持结构化和非结构化混合分析提供结构化和非结构化索引混合检索能力，能够同时处理和分析结构化和与非结构化数据，并将其进行整合和综合分析，从而获取更全面、准确的分析结果，为用户提供更广阔的数据视角。MySQLMySQL原生语义，使用户能够轻松上手使用，大大降低学习成本和迁移难度；同时内置Embeding函数，允许用户将文本和图像数据转换为向量表示，并在数据库中进行灵活的相似性搜索和分析，从而实现对大规模文本和图像数据的快速分析和检索。集群高可用性和海量扩展能力支持多副本存储策略，有效应对数据的高可用性和可靠性需求，减少数据丢失的风险，并提供持续可用的存储解决方案；此外，DingoDB具备良好的可扩展性和海量存储能力，能够轻松容纳大规模的数据集，为用户提供灵活的资源管理能力。开源开放坚持“开源开放”的产品理念，目前已成功对接大模型工具链，为大模型提供海量记忆体的能力，确保大模型生成结果的准确性和可靠性。完善的工具链生态通过生产级的监控能力、一键化的部署方式和完善的运维生态，助力用户灵活高效地开发、部署和管理系统，进一步提升工作效率和系统稳定性。开源大模型未来发展规划DingoDB多模向量数据库将继续加强在处理大规模高维度向量数据时的性能和扩展性；将提供更多复杂和灵活的查询功能，以满足不同应用场景下的需求；未来将考虑集成更多的机器学习算法和模型，以支持在数据库中直接进行特征提取、相似度计算和模式识别等任务。Xtreme1Xtreme1开源大模型概述Xtreme13D3D图像标注以及RLHF工具！开源大模型发布时间历程2022年9月上架GitHub开源大模型落地案例及开源商业化进程LLMSA（图片分割大模型DrieG（自动驾驶大模型）等。支持多模态数据。开源大模型信息问题列表 具体内容产品地址/xtreme1-io/xtreme1GitHubStar523开源许可Apache-2.0license附带历史消息数N/A用户规模1000+内外部贡献者比例N/A已上线的社区及链接https://www.xtreme1.io/开源大模型的特点teme1是一个用于型语言模型（LLMs）的开源数据整理平台。使用teme1，每个人都可以通过更快的数据整理，利用人工和机器反馈，构建强大的语言模型。我们提供从数据标记到模型监控的MLOps周期中的每个步骤的支持。5开源大模型未来发展规划2022年9月上架GitHubAutoDevAutoDev开源大模型概述名称：AutoDev（暂定）机构：思特沃克软件技术（北京）有限公司介绍：AutoDevAIIntellijIDEA码、智能建议、自定义大模型等功能，以提高开发效率和代码质量。集成看板、C/CD和Docerfle等DevOpsAutoDevAI码能力。开源大模型信息问题列表 具体内容产品地址/unit-mesh/auto-devGitHubStar484开源许可MPL附带历史消息数不限用户规模公开下载量2.4k内外部贡献者比例1:02:00已上线的社区及链接https://ide.unitmesh.cc开源大模型的特点对于企业而言，可以直接将私有化模型快速用于AI辅助编码，并与现有的模型做对比。开源大模型未来发展规划IDECustomASTnodegenerate2.Promptoverride3.AI其它补充信息UnitMeshAI：/unit-meshHyperAI超神经HyperAI超神经开源大模型概述工具链名称：HyperAI超神经所属机构名称：贝式计算（上海）信息技术有限公司HyperI超神经是国内领先的人工智能及高性能计算社区，现已收录数百个行业词条及案例，上线ApacheTVMAIAIForScience科研进展。开源大模型发布时间历程HyperAI超神经于2017年10月24日正式发布。202211ApacheTVM续更新更多优质的公共数据集、公共教程以及公共大模型。开源大模型落地案例及开源商业化进程HyperAI超神经发起并主办的2023MeetTVM与国内主流芯片厂商及科研院所建立长期稳定的合作关系。2023年12月，我们将在上海举办本