一分钟部署 Llama3 中文大模型，没别的，就是快

前段时间百度创始人李彦宏信誓旦旦地说开源大模型会越来越落后，闭源模型会持续领先。随后小扎同学就给了他当头一棒，向他展示了什么叫做顶级开源大模型。

美国当地时间4月18日，Meta 在官网上发布了两款开源大模型，参数分别达到 80 亿 (8B) 和 700 亿 (70B)，是目前同体量下性能最好的开源模型，而且直接逼近了一线顶级商业模型 GPT-4 和 Claude3。

与此同时，还有一个 400B 的超大杯模型还在路上，估计很快就会放出来，到时候就真的碾压了，某些声称闭源遥遥领先的哥们就等着哭吧 😢

虽然才过去短短几日，Huggingface 上已经涌现了非常多的 Llama3 中文微调版，令人眼花缭乱：

想不想自己也部署一个 Llama3 中文版？

对于没有 GPU 的同学，我们可以使用微调的量化模型来使用 CPU 运行。不同的量化方法会带来不同的性能损失：

1. 8bit 量化没有性能损失。
2. AWQ 4bit 量化对 8B 模型来说有 2%性能损失，对 70B 模型只有 0.05%性能损失。
3. 参数越大的模型，低 bit 量化损失越低。AWQ 3bit 70B 也只有 2.7%性能损失，完全可接受。

综合来说，如果追求无任何性能损失，8B 模型用 8bit 量化，70B 模型用 4bit 量化。

如果能接受 2-3%损失，8B 模型用 4bit 量化，70B 模型用 3bit 量化。

目前效果最好的中文微调版是 HuggingFace 社区的 zhouzr/Llama3-8B-Chinese-Chat-GGUF 模型，该模型采用 firefly-train-1.1M、moss-003-sft-data、school_math_0.25M、弱智吧（没错，就是那个弱智吧~）数据集，使模型能够使用中文回答用户的提问。

下面我们来看看如何在三分钟内快速部署这个模型吧。

直接在浏览器中打开以下链接：

• https://bja.sealos.run/?openapp=system-template%3FtemplateName%3Dllama3-8b-chinese

然后点击右上角的「去 Sealos 部署」。

如果您是第一次使用 Sealos，则需要注册登录 Sealos 公有云账号，登录之后会立即跳转到模板的部署页面。

跳转进来之后，点击右上角的「部署应用」开始部署，部署完成后，直接点击应用的「详情」进入该应用的详情页面。

等待实例状态变成 running 之后，Llama3 中文版模型就部署好了，默认会提供一个与 OpenAI 官方接口对齐的 API，你可以打开终端直接通过 API 来测试。我框出来的部分就是该模型 API 在 Sealos 集群的内网地址，你可以点击它直接复制。

为了更直观地使用，我们可以选择再部署一个 WebUI，Lobe Chat、ChatGPT Next Web 这些都可以使用，本文以 Lobe Chat 为例，直接在浏览器打开以下链接：

• https://bja.sealos.run/?openapp=system-template%3FtemplateName%3Dlobe-chat

需要填写三个变量的值，如下图所示：

• OPENAI_PROXY_URL 的值就是我们刚刚复制的内网 API 接口地址，记得要在末尾加上 /v1。
• OPENAI_MODEL_LIST 的值是 +Llama3-8B-Chinese-Chat.q4_k_m.GGUF。
• OPENAI_API_KEY 的值随便瞎写一个就行。

然后点击右上角的「部署应用」，部署完成后，直接点击应用的「详情」进入该应用的详情页面，等待实例状态变成 running 之后，点击外网地址即可打开 Lobe Chat 的可视化界面。

进来之后，先点击顶部的 gpt-3.5-turbo：

在弹出来的下拉框中点击「Llama3-8B-Chinese-Chat.q4_k_m.GGUF」，切换到该模型。

现在就可以和模型愉快地对话了，先来个弱智吧的问题尝尝咸淡：

再来试试 GPT-4 专用测试问题：

数学能力测试：

？？？

这个应用模板默认只给了 8核 CPU，而且都没跑满，效果肯定还是不如 GPU 的。有条件的同学可以直接用 GPU 部署 70B 的模型。

程序员为什么要学大模型？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉优快云大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、LLM大模型系列视频教程

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。

• 内容：

  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
  • L1.4.1 知识大模型
  • L1.4.2 生产大模型
  • L1.4.3 模型工程方法论
  • L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。

• 内容：

  • L2.1 API接口
  • L2.1.1 OpenAI API接口
  • L2.1.2 Python接口接入
  • L2.1.3 BOT工具类框架
  • L2.1.4 代码示例
  • L2.2 Prompt框架
  • L2.3 流水线工程
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。

• 内容：

  • L3.1 Agent模型框架
  • L3.2 MetaGPT
  • L3.3 ChatGLM
  • L3.4 LLAMA
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。

• 内容：

  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉优快云大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​