上海人工智能实验室开源的书生·浦语20B模型有哪些特点和优势？

阿里云

包括InternLM-20B和InternLM-Chat-20B。这两款模型已率先在阿里云魔搭社区ModelScope上线，可供访问参考。这并非上海AI实验室首次开放大模型。早在6月，该实验室便联合多个科研团队推出了参数规模达1040亿的大语言模型书生·浦语（InternLM）。短短一个月后，升级版书生·浦语问世，具备8K语境支持和26种语言能力。此外，实验室还开源了包含70亿参数的模型——InternLM-7B，供业界免费使用，推动技术共享与进步。

下表列出了InternLM-20B在多个经典基准测试中，与若干同规模开源语言模型的性能对比情况。

整体来看，InternLM-20B在理解、推理与编程方面表现出色，甚至优于Llama-65B。不过，在知识领域仍存在一定不足之处。

上海

当然，语言模型的效果，数据不如实际测试来得直观展现。书生·浦语20B开源模型已在阿里云ModelScope魔搭社区首发上线。魔搭社区支持在线部署，用户无需本地安装，即可轻松体验包括书生·浦语20B在内的多种模型效果。我简单体验后，想和大家做个分享，有兴趣的可以看看。首先，登录魔搭社区，定位到书生·浦语-对话-20B项目（链接见前文）。选择在线环境的Notebook快速开发方式，随后关联阿里云平台账号，即可顺利创建计算实例进行使用。

CPU算力支持长期使用，GPU算力初始提供50小时额度，建议选择GPU环境。创建实例后，进入控制台新建一个Notebook。2、通过以下代码在线部署InternLM-20B-Chat模型：

首次启动时，需稍等片刻以下载模型参数。接下来，使用以下代码完成模型推理并输出结果：下面进行几个实际测试，看看效果如何。先来考察基础文字创作能力，让书生·浦语-20B写一首关于秋天的诗。

再来考察对基本事实的掌握与辨识虚假信息的能力。问：鲁智深为何在拳击赛中败给泰森？

竟然没有被影响偏离。请编写一个Python代码，实现两个数字相加的功能，以下是一个简单示例供参考：

除了变量sum的命名不太恰当，整体没有大的问题。以上是简单的几个测试结果。因在线部署算力有限，推理速度较慢，未进行过多测试。中文推理约需几分钟，英文更快。实际表现基本符合预期，期待书生·浦语大模型未来有更出色的表现。暂且不论模型的实际表现，来看看当前国内大模型的生态发展。近期，国内多家科技公司纷纷开源低门槛模型，供社区与研究人员使用。例如，阿里云此前开源了大语言模型通义千问7B（含基础版与聊天版）和多模态模型通义千问VL（含基础版与聊天版），还有百川、子牙、ChatGLM等模型，均获得了广泛好评。这一趋势促进了技术交流与发展。可以实现你的要求这一现象十分值得肯定。从行业角度看，当前大模型的发展看似呈现出百花齐放的繁荣景象，但实际上，不少企业投身其中更多是出于跟风心态，即别人有，我也必须有。至于大模型未来的具体方向，以及如何与自身业务深度融合，依然前路不明。行业仍需解决许多实际问题，才能让大模型真正从一个炫酷的高级玩具转变为切实解决问题的工具。这是当前更值得深思和探索的关键所在。这种情形下，开源便被赋予了更多意义。对企业而言，开源虽需坚定决心，但可与行业伙伴共同进步、成长。将模型开放给业内研究者或小型企业使用，既能拓展大模型的应用领域与场景，又能通过用户反馈优化产品，推动技术发展和成熟。这不仅有利于行业繁荣，也能为企业自身带来长远 benefit。对用户而言，例如科研人员、小企业或开发团队，开源模型大幅降低了基于大语言模型开展研发和研究的门槛。尽管当前大模型竞争激烈，但训练和开发大模型依然需要很高的资源门槛，许多小团队和科研人员难以获得足够的算力与数据来亲自训练模型。在这种情况下，开源模型成为不可或缺的关键资源。除了模型开源之外，社区与平台同样是构建开源生态不可或缺的关键要素。在海外有HuggingFace这样的知名平台，而在国内则有阿里云主导打造的ModelScope魔搭社区。魔搭专注于为模型提供全方位的一站式服务，涵盖模型体验、下载、推理、优化及定制等多个方面。这种模式极大地便利了应用开发者和研究人员使用大模型，甚至无需进行本地部署。例如，在之前的演示中，我们仅通过在线部署便能快速上手体验这些优质的开源模型。这就是建设大模型开源生态的重要意义所在。官方数据显示，自去年11月上线以来，魔搭社区在不到一年的时间里，已汇聚1000多个AI开源模型和200多万开发者，模型下载量超7500万。包括书生·浦语-20B在内的众多国产开源大模型纷纷选择在此首发。如今，魔搭已成为AI模型开源的首选平台。大多数人支持开源。阿里云、上海AI实验室等科技企业和机构的开源行动，发挥了良好的引领作用。我坚信未来将有更多企业投身开源，共同推动国内AI开源社区的发展。