開源的大模型有哪些？

馬蜂科技

以下是一些常見的開源大模型，按語言模型和視覺模型分類介紹：
開源語言模型
Meta Llama 3
由Meta開發(fā)的語言模型家族，提供多種大小版本，適合從輕量級移動客戶端到大規(guī)模云部署的多種應用場景。
優(yōu)點是可以在相對低功耗的硬件上運行，但其訓練數據并未完全公開，因此是否完全符合開源定義存在爭議。
BLOOM
由Hugging Face主導開發(fā)的多語言語言模型，參數規(guī)模達1760億。
采用“負責任AI許可”，雖然不是完全開源，但可以免費使用和分發(fā)，只要不用于許可條款中定義的有害用途。
GPT-2
OpenAI開源的第二代語言模型，基于12億參數。
適用于多種語言任務，如文本生成和**機器人，采用MIT許可協(xié)議，符合開源原則。
Falcon
由阿布扎比技術創(chuàng)新研究所開發(fā)，提供40B和180B兩種版本。
40B版本采用Apache 2.0許可，符合開源定義，而180B版本使用和分發(fā)有一定限制。
Grok.AI
由X.ai開發(fā)的“專家混合”模型，基礎模型更通用。
盡管公開了模型權重和架構，但未公開所有代碼和訓練數據，因此其開源性存在爭議。
DeepSeek-R1
由DeepSeek AI開發(fā)的開源權重模型，以較低成本提供強大的推理能力。
可通過Hugging Face獲取模型權重，并支持多種部署方式。
開源視覺模型
Stable Diffusion
最流行的開源圖像生成模型之一，支持文本到圖像和圖像到圖像的生成。
能夠生成高度逼真和詳細的圖像，但使用需要一定的技術知識。
YOLO（You Only Look Once）
用于實時目標檢測的快速模型，最新版本為YOLOv11。
適用于視頻監(jiān)控、自動駕駛和增強現(xiàn)實等領域。
DETR（Detection Transformer）
基于Transformer的目標檢測模型，適合需要高精度的場景。
這些開源模型為開發(fā)者提供了廣泛的選擇，可以根據具體需求選擇合適的模型進行研究和應用開發(fā)。

夜星晨

完全同意，你的分析讓人信服。

花花世界

期待更多精彩觀點碰撞！

閃電兔

完全贊同樓主的看法，這些儀器使用細節(jié)確實容易被忽略～