Meta复刻GPT-3“背刺”OpenAI，千亿参数大模型权重及训练代码全公布，中文开发者可用吗？

Meta （原Facebook）开放了一个“高达”1750亿参数的预训练大语言模型OPT-175B，不仅参数比GPT-3的3750亿更少，效果还完全不输GPT-3——

之前GPT-3虽然效果惊艳、示例众多，但其不够开放，只开放了API，还是收费的；源代码独家授权给了微软，连马斯克都对其呵呵，批评过OpenAI不够open。

虽然论文已经写的很详细，说明了GPT-3是怎么造出来的，但普通玩家想要复刻一个GPT-3出来，却是大大的困难，因为太烧钱。而这一次，Meta从完整模型到训练代码、部署代码全部开放。
有人甚至在官宣之前，就已经到GitHub仓库去蹲点了。还有人喊话OpenAI，让它学着点。

虽然Meta出品，当属精品，但国外公司的模型几乎都是用英语数据进行训练，其模型也天然地对英语的支持比较好，跨语言的效果较差，就更不要说对于世界上最难的中文的理解和生成了。

斯坦福大学副教授Percy Liang将大模型的开放程度总结成4个层次，更高层次的开放能让研究者专注于研究更深层面的问题。

第一层论文开放（纸面上的开放），证明一些设想的可行性，并提供思路和实现的路径方法。

第二层API开放（能力上的开放），允许研究人员试用、探索和评估现有模型的能力和限制。

第三层模型权重开放和训练数据开放（应用上的开放）。允许研究人员改进现有模型，让研究人员更好地理解数据在模型使用中发挥的作用。

第四层模型结构、权重、计算能力开放（创新上的开放），允许研究人员尝试新的体系结构、训练目标和过程、进行数据融合，并在不同的领域开发全新的模型。

其实，早在2021年中国的几个AI大模型的头部玩家就已开源了大模型的训练代码、推理代码、免费API甚至模型参数，已经是第三层和第四层的开放了。像浪潮源1.0模型，其参数规模高达2457亿，训练采用的中文数据集达5000GB，相比GPT-3模型1750亿参数量和570GB训练数据集，“源1.0”参数规模领先40%，训练数据集规模领先近10倍。“源1.0”在语言智能方面表现优异，获得中文语言理解评测基准CLUE榜单的零样本学习和小样本学习两类总榜冠军，测试结果显示，人群能够准确分辨人与“源1.0”作品差别的成功率已低于50%。

目前开发者可以在源1.0”官网https://air.inspur.com提出申请,经审核授权后即可免费使用“源1.0”模型API，基于“源1.0”模型探索算法创新以及开发各类智能化应用。