书生大模型闯关 - 基础岛 - 第二关 8G 显存玩转书生大模型 Demo

主要通过LMDeploy 完成 InternLM-XComposer2-VL-1.8B 的部署，其目标主要是使用LMDeploy 结合Gradio 来实现页面集成和服务推送，这一块没有太多地技术含量，使用脚本文件来配置 Streamlit Web Demo 实现部署 InternLM2-Chat-1.8B 模型，以及 InternLM-XComposer2-VL-1.8B模型。

总体来说这两个模型，能力还是比较弱的，经常出现搞怪和无法预测的问题，这是一个试验性质的模型，在此主要展现其模型部署的步骤；

1. InternLM2-Chat-1.8B 模型部署

这个回答正确了，但是解释有一点点小问题哦，回答的内容基本都是套圈话，没有什么实质的内容，这说明其模型参数和训练token数量不够的原因，仅仅是个demo哈；

2. InternLM-XComposer2-VL-1.8B模型对比

在此，正值奥运会期间潘展乐的新闻图片来输入给模型，判断其理解能力，并拿书生模型和Kimi做了一个对比，由于书生模型相对来说还是较小，内容理解方面稍有欠缺

书生模型回答相对偏套圈话一些，对图片内容要素捕捉能力不太够。

Kimi回答，在多模态图像方面首先对图片内容要素的理解更全面，另外更能体现instruction的回应和理解，最后能够理解背后的体育精神，确实Moonshot商业化的大模型能力不是盖的，还是要追赶哦