百度智能云-奇异果体育app竞彩官网下载

百度最新发布的自研⼤语⾔模型，实现了基础模型的全面升级，在理解、生成、逻辑和记忆能力上都有着显著提升。

百度⾃⾏研发的⼤语⾔模型，覆盖海量中⽂数据，具有更强的对话问答、内容创作⽣成等能⼒。

百度自行研发的高效语言模型，基于海量高质数据训练，具有更强的文本理解、内容创作、对话问答等能力。

模型基于ernie-bot-turbo，针对企业级智能客服、内容创作、知识问答等多个任务进行了场景效果和输出格式的优化，可在千帆ai原生应用工作台进行开发应用调试。

业内知名的跨模态大模型，由stabilityai研发并开源，有着业内领先的图像生成能力。

embedding-v1是基于百度文心大模型技术的文本表示模型，将文本转化为用数值表示的向量形式，用于文本检索、信息推荐、知识挖掘等场景。

业内知名的⼤语⾔模型，由bigscience研发并开源，能够以46种语⾔和13种编程语⾔输出⽂本。

千帆团队在bloomz-7b基础上的压缩版本，融合量化、稀疏化等技术，显存占用降低30%以上

由mistral ai研发并开源的7b参数大语言模型，具备强大的推理性能和效果，对硬件需求更少、在各项评测基准中超越同规模模型。该版本为mistral-7b-v0.1基础上的微调版本。

由meta ai研发并开源，在编码、推理及知识应用等场景表现优秀，llama-2-7b-chat是高性能原生开源版本，适用于对话场景。

由meta ai研发并开源，在编码、推理及知识应用等场景表现优秀，llama-2-13b-chat是性能与效果均衡的原生开源版本，适用于对话场景。

由meta ai研发并开源，在编码、推理及知识应用等场景表现优秀，llama-2-70b-chat是高精度效果的原生开源版本。

千帆团队在llama-2-7b基础上的中文增强版本，在cmmlu、c-eval等中文数据集上表现优异

千帆团队在llama-2-13b基础上的中文增强版本，在cmmlu、c-eval等中文数据集上表现优异

由深圳大学cv研究所linly项目进行中文增强训练的llama-2 7b参数版本。

由深圳大学cv研究所linly项目进行中文增强训练的llama-2 13b参数版本。

智谱ai与清华keg实验室发布的中英双语对话模型，具备强大的推理性能、效果、较低的部署门槛及更长的上下文，在mmlu、ceval等数据集上相比初代有大幅的性能提升。

在chatglm2-6b的基础上进一步强化了对于长文本的理解能力，能够更好的处理最多32k长度的上下文。

在chatglm2-6b的基础上进行int4 量化，6g 显存支持的对话长度由 1k 提升到了 8k。

baichuan 2是百川智能推出的新一代开源大语言模型，采用2.6万亿tokens的高质量语料训练，在权威的中文和英文 benchmark 上均取得同尺寸领先的效果。该版本为130亿参数规模的chat版本

由深圳元象科技自主研发的支持多语言的大语言模型，支持8k上下文、40多种语言，具备训练效率高、稳定性强、算力利用率高等特点。该版本为130亿参数规模的chat版本。

由defog研发、基于mistral-7b微调的语言模型，用于将自然语言问题转换为sql语句，具备优秀的生成效果。

code llama是由meta ai研发并开源的一系列文本生成模型，旨在用于一般代码合成和理解。该模型参数规模为70亿。

由tii研发、在精选语料库增强的1500b tokens上进行训练。由openbuddy调优并开源，提升了处理复杂对话任务的能力与表现。

由tii研发的仅使用解码器的模型，并在baize的混合数据集上进行微调，具备优异的推理效果。

由tii研发的仅使用解码器的180b模型，在ultrachat, platypus和airoboros的混合数据集上进行微调，具备优异的推理效果。

由智源研究院研发，基于aquila-7b训练的对话模型，支持流畅的文本对话及多种语言类生成任务，通过定义可扩展的特殊指令规范，实现 aquilachat对其它模型和工具的调用，且易于扩展。

由智源研究院研发，基于aquila-7b训练的代码生成模型，使用经过高质量过滤且有合规开源许可的代码数据进行训练，数据量约为其他开源代码生成模型的10～40%。

由智源研究院研发的中文版文本表示模型，可将任意文本映射为低维稠密向量，以用于检索、分类、聚类或语义匹配等任务，并可支持为大模型调用外部知识。

由智源研究院研发的英文版文本表示模型，可将任意文本映射为低维稠密向量，以用于检索、分类、聚类或语义匹配等任务，并可支持为大模型调用外部知识。

由香港大学物理系校友彭博研发并开源，结合了transformer与rnn的优点，具备优秀的推理性能与效果。rwkv-4-world在100多种语言上进行训练，具备优秀的英语零样本与上下文学习能力。

由香港大学物理系校友彭博研发并开源，结合了transformer与rnn的优点，具备优秀的推理性能与效果。rwkv-4-pile-14b为在 pile 数据集上训练的 l40-d5120 因果语言模型。

由香港大学物理系校友彭博研发并开源，结合了transformer与rnn的优点，具备优秀的推理性能与效果。

由香港大学物理系校友彭博研发并开源，结合了transformer与rnn的优点，具备优秀的推理性能与效果。rwkv-raven-14b为在pile数据集上训练，并在alpaca、codealpaca等上进行微调的chat版本。

在meta ai研发的llama模型基础上，openbuddy进行调优，涵盖了更广泛的词汇、通用字符与token嵌入，具备与llama相当的性能与推理效果。

由databricks训练的指令遵循大语言模型。基于pythia-12b，由instructgpt论文的能力域中生成的约15k指令/响应微调记录训练。

mpt-7b-instruct是一种短格式指令遵循模型，由mosaicml研发，基于mpt-7b模型在databricks dolly-15k、hh-rlhf数据集上调优的版本，采用经过修改的仅使用解码器的transformer架构。

mpt-30m-instruct是一种短格式指令遵循模型，由mosaicml研发，基于mpt-7b模型在更为丰富的数据集上调优的版本，采用经过修改的仅使用解码器的transformer架构。

由google研发并开源，基于t5架构的tranformer模型，使用ul2模型相同的配置，在“flan”数据集上进行微调，在少样本上下文学习中具有优秀的表现。

由cerebras研发并开源，使用 chinchilla 公式进行训练的13b参数gpt模型，可为给定的计算预算提供最高的准确性，具备更低的训练成本与功耗。

由cerebras研发并开源，使用 chinchilla 公式进行训练的6.7b参数gpt模型，可为给定的计算预算提供最高的准确性，具备更低的训练成本与功耗。

由eleutherai研发并开源，在pile数据集上训练的12b参数transformer语言模型。

eleutherai开发的6b参数transformer模型，基于 mesh transformer jax 训练。

由eleutherai开发，使用gpt-neox库，基于pile训练的200亿参数自回归语言模型，模型结构与gpt-3、gpt-j-6b类似。

基于pythia12b，open-assistant项目的第4次sft迭代模型。该模型在 https://open-assistant.io/ 收集的人类反馈的对话数据上进行微调。

由nomic ai研发、基于gpt-j在包括文字问题、多轮对话、代码、诗歌、歌曲和故事在内的大量语料上进行精调训练生成的模型。

由bigcode研发的15.5b参数模型，基于the stack (v1.2)的80 编程语言训练，训练语料来自github。

stability ai开发的7b参数的neox transformer架构语言模型，支持4k上下文。