如何选择开源大模型：写给小白看5条黄金法则

原则1：选择开源技术主要看社区和支持

与其他开源技术一样，我们应该最关注的两个指标是社区活跃度（星级数）和其背后的组织。

对比核心的几个开源模型：

模型	参数规模（B）	星星数（k）	组织	国家
LLama2	7,13,34,70	52.1	Meta	美国
Mistral 7B	7	8.5	Mistral AI	法国
通义千问Qwen	1.8,7,14,72	10.5	阿里巴巴	中国
ChatGLM-6B	6	11.6	智谱AI	中国

以上数据截止至2024年04月10日，仅代表个人使用经验。后续我会进行一些简单的评测，如果有其他模型你们想了解的，也可以私信我。

通过以上的比较，我认为LLama2和通义千问Qwen绝对是开源模型界的领导者。无论是社区活跃度，参数规模支持程度，还是更新频率，这两个模型都领先于其他的开源模型。我建议大家在学习和研究的时候选择这两个模型。

参考资料：

https://github.com/wgwang/awesome-LLMs-In-China?tab=readme-ov-file

https://github.com/eugeneyan/open-llms

https://chat.lmsys.org/?leaderboard

原则2：选7B还是70B？参数越大，效果越好

• 不同参数规模模型效果对比

  我们来看一下，对于同一个问题，在同一个模型下不同参数规模的回答效果如何。

  我们选择了通义千问模型，从左到右依次是4B模型，7B模型，72B模型。

  

  比较可以看出，4B模型未能给出答案，而7B模型提供了步骤说明和代码。72B模型不仅给出了步骤说明和代码，而且其步骤更具结构化，标题加粗，使用分号等，使人更容易理解。它给出的代码也更优秀，首先在数据部分采用了类似占位符的形式，便于我们填充。其次，它在饼图上提供了标题和数据格式化。

  通过比较，我们可以得出这样的结论：对于同一个模型，参数越大，模型的效果通常越好。

  那么，对于不同模型呢？会出现越级的情况吗？文章结尾有彩蛋

  当然，越大规模的参数，对内存需求越大。

• 内存不够怎么办

  模型参数的规模与内存（实际上指的是显存）强烈相关，模型的参数需全部加载到内存中才能进行推理。简单地说，1B参数大约需要4GB，那么7B的模型需要28G的内存，70B的模型则需要280G的内存。算下来，24G内存的4090显卡都甚至无法运行7B的模型，这还如何玩！

  先别急，内存问题可以通过模型量化来解决。量化是通过降低参数的精度来减少对内存的需求。量化后的7B模型仅需3.8G，足以轻松在任何一台PC上运行。

  从Ollama支持的模型库中可以看出，大型模型在量化后对内存的需求，如下表：

  模型	参数	对内存需求
  LLama2 7B	7B	3.8G
  LLama2 13B	13B	7.3G
  LLama2 70B	70B	39G

  但是，量化也会带来新的问题，不同程度的参数精度损失会增加模型的困惑度（俗称：变傻）。因此，我们需要找到一个平衡，选择最经济且最可用的量化后的模型。

  我们可以在HuggingFace上找到量化模型，一般开源模型都会说明量化后的困惑度，并推荐大家选择合适的量化模型。如果你对此感兴趣，可以跳到附录查看

• 没有显卡怎么办

  感谢万能的Docker，借助Ollama的Docker镜像，我们可以轻松地在CPU上运行应用程序，无需进行任何复杂的配置。即使没有高端显卡，我们也无需担心。

  亲测，在Macbook Air M1上使用docker运行，如下图：
  
  参考地址：https://ollama.com/blog/ollama-is-now-available-as-an-official-docker-image

原则3：在推理速度可用的情况下，优先考虑参数规模

• 推理速度达到多少算可用

  Reddit上的一项调研。多数人认为7-10 Token/s是一种可用的速度。这个速度大概等于每秒5-7.5个单词，因为一般来说，1个单词等于1.3个Token。我认为10 Token/s是一个可用的临界点。然而，也有一些人持极端观点，他们认为每秒1个Token也是可以接受的。这个讨论非常有趣，有兴趣的人可以去看看。
  

Reddit关于Token速度的讨论：https://www.reddit.com/r/LocalLLaMA/comments/162pgx9/what_do_yall_consider_acceptable_tokens_per/

• 使用llama.cpp测试模型的推理速度

  笔者用两台电脑测试，配置如下：

  • MacBook Air：16G内存，M1芯片
  • Mac Studio：128G内存，M1 ultra芯片，性能≈英伟达3090

  测试结果如下：

  电脑	模型参数	Token
  MacBook Air	4B	19.9 T/s
  MacBook Air	7B	12.5 T/s
  Mac Studio	4B	83.6 T/s
  Mac Studio	7B	71.2 T/s
  Mac Studio	70B	13.7 T/s

从测试结果来看，16G内存的MacBook Air能够轻松运行7B模型。而对于Mac Studio，它足以应对市场上的任何一个开源模型

原则4：模型专用，不同需求选择不同类别的模型

• 选择对应语种的模型

  在中文环境下，建议选择国内的模型，而不是国外的中文版本。目前，支持中文的模型较少。如果对应的模型不支持中文，一种建议的方法是把问题翻译成英文进行提问，获取答案后再将答案翻译成中文。当然，如果你的英文能力强，可以忽略这个建议。从目前的情况来看，中文大模型的整体效果不如英文模型，这一方面是因为训练语料相对较少；另一方面，中文的复杂性较高，想要取的更好的效果比较困难。

• 选择专用模型

  一般用途选择通用模型，聊天用途选择Chat模型，编码等用途选择专用模型。不同的模型训练的语料是不同的，各有其优势。根据用途选择对应的模型，可以达到最好的效果。

原则5：要考虑模型的可扩展性

在考虑扩展性时，我们需要考虑两个方面：运行环境的适应性和有没有优秀的应用框架。

• 运行环境的适配性

  Ollama是一个优秀的开源项目，提供模型基座，屏蔽环境差异，可以在Windows、MacOS、Linux上运行，甚至可以在无GPU的情况下，仅用CPU运行。

  Ollama支持服务器端，通过使用Rest API接口，向外部提供统一的大模型服务。这些接口使上层应用可以轻松接入，极大地提高了系统的可用性。

  目前，Ollama支持的模型众多，主流的开源模型都可以在Ollama库中找到。此外，Ollama还支持自定义模型。你可以从HuggingFace上下载更多模型，然后加载到Ollama中，这使得Ollama的应用更加丰富。

  !https://prod-files-secure.s3.us-west-2.amazonaws.com/6cdb6123-fe4f-4c2d-888c-dcc64931d8b1/dbdfb663-a517-4f2c-a691-9a9372a11397/Untitled.png

  Ollama模型库：https://ollama.com/library

• 是否支持优秀的应用框架

  目前最优秀的应用框架就是Langchain，后面我们会单独介绍Langchain。好消息是Langchain支持了Ollama，这意味着只要Ollama提供支持的模型，Langchain就可以支持。以下是Langchain集成Ollama的示例

  # LangChain supports many other chat models. Here, we're using Ollama
  from langchain_community.chat_models import ChatOllama
  from langchain_core.output_parsers import StrOutputParser
  from langchain_core.prompts import ChatPromptTemplate
  
  # supports many more optional parameters. Hover on your `ChatOllama(...)`
  # class to view the latest available supported parameters
  llm = ChatOllama(model="llama2")
  prompt = ChatPromptTemplate.from_template("Tell me a short joke about {topic}")
  
  # using LangChain Expressive Language chain syntax
  # learn more about the LCEL on
  # /docs/expression_language/why
  chain = prompt | llm | StrOutputParser()
  
  # for brevity, response is printed in terminal
  # You can use LangServe to deploy your application for
  # production
  print(chain.invoke({"topic": "Space travel"}))
  

  从代码中，我们可以看出，Langchain支持Ollama的调用。

  参考地址：https://python.langchain.com/docs/integrations/chat/ollama/

  
  关注我，一起AI转型之旅~