哪些是国内值得尝试的开源大模型？

AI

国内有许多开源和闭源模型，但我更偏爱开源模型。一方面可以本地部署，无需额外开支；另一方面支持自定义数据集，重新训练，打造专属的大模型，灵活且高效。

在最新Qwen2模型中，性能优于开源的Llama-3-70B和Qwen1.5-110B。

在小模型评测中（参数量≤10B），Qwen2-7B表现优于开源的Llama3-7B和GLM4-9B模型。

在编程领域，成功借鉴CodeQwen1.5的经验应用于Qwen2，大幅提升多语言编程效果。数学方面，凭借大规模高质量数据，Qwen2-72B-Instruct的解题能力实现显著飞跃。

最近，一个性能强劲的新模型——MiniCPM-V2.6问世。这是面壁智能推出的开源端侧多模态模型，尽管参数量仅为8B，但在与20B以下的其他大模型对比时，其单图理解、多图处理和视频解析能力均达到业界顶尖水平（SOTA）。这一表现足以媲美当下热门的多模态大模型GPT-4o，展现了强大的技术潜力和应用价值。

总结它具有以下特性：根据我之前的测试，这个多模态大模型的效果接近GPT-4o，但参数量仅有8B。详情可参见我的文章。总体来看，国内AI大模型效果不错，若需便捷部署且推理速度快，可以尝试以下两个模型。