最新开源大语言模型汇总（含公司、发布日期、GitHub）
大语言模型（LLM）迅速发展，2024年开源模型如DeepSeek、LLaMA 2、Mistral 7B等备受关注。DeepSeek R1在数学、编程等领域超越GPT-4，LLaMA 2提供7B至70B参数，在推理与代码任务上表现突出。Mistral 7B虽小，但优化机制使其超越LLaMA 2的13B模型。这些模型参数从数十亿到数百亿不等，小模型适合本地部署，LLaMA 2的7B/13B优化后可在
·
🔥 最新开源大语言模型汇总（含公司、发布日期、GitHub）
📌 引言
近年来，大语言模型（LLM）技术发展迅猛，多个开源 LLM 在全球范围内涌现。本文整理了 最新的开源大语言模型，并涵盖以下关键信息：
- 模型名称
- 开发公司/机构
- 公开日期
- GitHub 链接
- 参数规模
- 主要性能特点
- 最低硬件要求
- 推荐硬件配置
- 本地部署支持情况
📊 开源大语言模型对比表
| 模型名称 | 参数规模 | 主要性能特点 | 开发机构 | 公开日期 | GitHub 链接 | 最低硬件要求 | 推荐硬件配置 | 本地部署支持 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek LLM | 7B、67B、R1（671B 稀疏 MOE） | 适用于数学、代码、通用对话 | DeepSeek（杭州） | 2023/12 (67B) / 2025/01 (R1) | 🔗 deepseek-ai/DeepSeek-LLM | 7B 需 8GB 显存，67B 需 8×40GB | 8×A100 40GB（67B），R1 需服务器集群 | ✅ 支持本地部署，7B 可 CPU 运行 |
| LLaMA 2 | 7B、13B、70B | 通用对话、编码、推理能力优秀 | Meta AI | 2023/07 | 🔗 meta-llama/Llama-2 | 7B 需 14GB 显存，70B 需 140GB | 2×A100 80GB（70B） | ✅ 可本地部署，7B 量化可 CPU 运行 |
| Mistral 7B | 7.3B | 在 7B 级别中性能最优，支持长文本 | Mistral AI | 2023/09 | 🔗 mistralai/Mistral-7B | 14GB 显存（FP16） | RTX 3090 24GB | ✅ 可本地部署，量化后低端 GPU 可运行 |
| Falcon 180B | 180B | 知识问答超越 GPT-3.5，适用于多种任务 | 阿布扎比 TII | 2023/09 | 🔗 tiiuae/falcon-180B | 640GB 显存（FP16） | 8×A100 80GB | ⚠️ 需高端硬件，本地部署难度大 |
| Baichuan 13B | 13B | 中英文双语优化，擅长对话 | 百川智能（北京） | 2023/07 | 🔗 baichuan-inc/Baichuan-13B | 7GB（4-bit 量化） | 24GB GPU 或更高 | ✅ 支持本地部署，开源权重 |
| Qwen 14B | 14B | 阿里云开源 LLM，支持工具调用 | 阿里巴巴达摩院 | 2023/09 | 🔗 QwenLM/Qwen | 14B 需 13GB 显存（量化） | 2×16GB GPU | ✅ 可本地部署，提供 INT8 量化 |
| StarCoder 15B | 15B | 专为代码开发优化，可处理 8K 代码上下文 | BigCode（Hugging Face & ServiceNow） | 2023/05 | 🔗 bigcode-project/starcoder | 7GB（4-bit 量化） | RTX 3090 24GB | ✅ 可本地部署，支持代码补全 |
| ChatGLM2 6B | 6B | 支持中英对话，优化推理性能 | 清华 KEG & 智谱 AI | 2023/06 | 🔗 THUDM/ChatGLM-6B | 6GB 显存（INT4 量化） | RTX 3060 12GB | ✅ 可本地部署，低硬件友好 |
🎯 选型建议
- 低端设备（8GB 显存） → Mistral 7B、Baichuan 13B、ChatGLM2 6B（推荐 INT4 量化）
- 消费级 GPU（16-24GB） → LLaMA 2 7B、Qwen 14B、StarCoder
- 高端工作站（32-80GB） → LLaMA 2 13B、Baichuan 13B（FP16）
- 服务器 / 多 GPU → DeepSeek 67B、LLaMA 2 70B、Falcon 180B
- 代码生成 → StarCoder 15B、DeepSeek LLM、Qwen 14B
- 中文 NLP 任务 → Baichuan 13B、ChatGLM2 6B、Qwen 14B
🔗 参考资料
- DeepSeek LLM：GitHub
- LLaMA 2：GitHub
- Mistral：GitHub
- Falcon 180B：GitHub
- Baichuan 13B：GitHub
- Qwen：GitHub
- StarCoder：GitHub
- ChatGLM2：GitHub
🔥 结语
开源大语言模型的生态正不断壮大，越来越多的团队在推动 LLM 发展。如果你对大模型部署感兴趣，可以参考本文提供的信息，选择适合你的 开源 LLM 进行实验和应用。
欢迎在评论区交流你的部署经验！👍
🚀 关注我，获取更多 AI & NLP 资讯！
如果你觉得这篇文章有帮助，别忘了 点赞👍 + 收藏⭐！后续会持续更新最新 LLM 资讯和开源实践，敬请期待！🚀
欢迎加入DeepSeek 技术社区。在这里，你可以找到志同道合的朋友，共同探索AI技术的奥秘。
更多推荐
30
0- 0
已为社区贡献11条内容
所有评论(0)