预置模型列表
大模型服务平台（GenStudio）预置了来源于诸多厂商的主流系列模型。
访问模型广场
模型广场页面集中展示大模型服务平台（GenStudio）预置的模型。您可以通过模型广场顶部与左侧的标签筛选模型。每个预置大模型均以卡片的形式呈现。
模型名称一般与模型厂商命名保持一致。您可以从模型卡片标签中直接查看模型所属厂商、支持的芯片、适用场景、上下文长度等信息。
模型卡片左下角可能带有以下便捷入口：
- 可体验：可直接进入体验中心，开启互动体验，例如对话、生成图像、生成视频等。大语言模型支持配置 System Prompt 和其他参数。图像和视频模型暂仅支持随机预置提示词，可修改基本参数。
- 可微调：支持 GenStudio 快捷微调服务。详见模型微调
点击模型卡片进入详情页，可查看模型介绍、上下文长度、评测数据等（评测数据来自于模型发布方）。如果该预置模型提供 API 服务，将提供调用说明、调用示例等。
大语言模型
Gemma 2
gemma-2-27b-it开源申请试用
Gemma 是谷歌推出的一系列轻量级、尖端的开源模型，它们基于与 Gemini 模型相同的研究和技术构建。Gemma 是支持文本、输入文本输出的 decoder-only 大语言模型，除了英文本身，也支持包括中文的多种语言，并支持基础版本和指令调优的版本。
模型亮点
gemma-2-27b-it 是 270 亿参数规模的对话模型，基于 RLHF（强化学习与人类反馈）方法进行了训练，使模型在生成质量、编码能力、事实性、指令遵循和多轮对话质量等多方面上获得了显著提升。
mmlu
75.2 (5-shot, top-1)
hellaswag
86.4 (10-shot)
piqa
83.2 (0-shot)
socialiqa
53.7 (0-shot)
boolq
84.8 (0-shot)
winogrande
83.7 (partial score)
arc-e
88.6 (0-shot)
arc-c
71.4 (25-shot)
triviaqa
83.7 (5-shot)
natural questions
34.5 (5-shot)
humaneval
51.8 (pass@1)
mbpp
62.6 (3-shot)
gsm8k
74.0 (5-shot, maj@1)
math
42.3 (4-shot)
agieval
55.1 (3-5-shot)
big-bench
74.9 (3-shot, CoT)
NOTE
LLaMA 3.1
llama-3.1-8b-instruct开源申请试用
Meta 发布的 LLaMA 3.1 多语言大规模语言模型（LLMs）包含预训练和指令微调生成模型，提供 8B、70B 和 405B 三种规模（文本输入/文本输出）。该模型使用 15T 的数据进行训练，知识更新截止于 2023 年 12 月。
NOTE
LLaMA3 系列模型需要申请试用。模型使用受 Meta 许可协议的约束。请在下方查看相关的协议内容。
https://huggingface.co/meta-llama/Meta-Llama-3.1-8B/blob/main/LICENSE
模型亮点
LLaMA 3.1 的指令微调文本模型（8B、70B、405B）专为多语言对话场景优化，并在许多常见行业基准测试中表现优于现有的开源和闭源聊天模型。
MMLU
69.4
MMLU (CoT)
73.0
MMLU-Pro (CoT)
48.3
IFEval
80.4
ARC-C
83.4
GPQA
30.4
HumanEval
72.6
MBPP ++ base version
72.8
Multipl-E HumanEval
50.8
Multipl-E MBPP
52.4
GSM-8K (CoT)
84.5
MATH (CoT)
51.9
API-Bank
82.6
BFCL
76.1
Gorilla Benchmark API Bench
8.2
Nexus (0-shot)
38.5
Multilingual MGSM (CoT)
68.9
llama-3.1-70b-instruct开源申请试用
Meta 发布的 LLaMA 3.1 多语言大规模语言模型（LLMs）包含预训练和指令微调生成模型，提供 8B、70B 和 405B 三种规模（文本输入/文本输出）。该模型使用 15T 的数据进行训练，知识更新截止于 2023 年 12 月。
NOTE
LLaMA3 系列模型需要申请试用。模型使用受 Meta 许可协议的约束。请在下方查看相关的协议内容。
https://huggingface.co/meta-llama/Meta-Llama-3.1-70B/blob/main/LICENSE
模型亮点
LLaMA 3.1 的指令微调文本模型（8B、70B、405B）专为多语言对话场景优化，并在许多常见行业基准测试中表现优于现有的开源和闭源聊天模型。
MMLU
83.6
MMLU (CoT)
86.0
MMLU-Pro (CoT)
66.4
IFEval
87.5
ARC-C
94.8
GPQA
41.7
HumanEval
80.5
MBPP ++ base version
86.0
Multipl-E HumanEval
65.5
Multipl-E MBPP
62.0
GSM-8K (CoT)
95.1
MATH (CoT)
68.0
API-Bank
90.0
BFCL
84.8
Gorilla Benchmark API Bench
29.7
Nexus (0-shot)
56.7
Multilingual MGSM (CoT)
86.9
LLaMA 3
llama-3-8b-instruct开源申请试用
Llama3 系列是由 Meta 开发的 Llama 系列全新的第三代版本，包含一系列预训练和指令调优的文本生成式模型。Llama3 基于优化后的 Transformer 架构，预训练过程中使用了超过 15T tokens 的数据，调优后的模型使用 SFT 和 RLHF，以更好地贴合人类对可用性和安全性的偏好。
模型亮点
Llama3-8b-Instruct 是此系列里 80 亿参数的指令调优的模型，针对对话场景用例进行了优化，并在常见的行业基准测试中超越了许多可用的开源聊天模型。Llama3-8b-Instruct 模型的数据的知识截止日期为 2023 年 3 月。
mmlu
68.4(5-shot)
gpqa
34.2(0-shot)
humaneval
62.2(0-shot)
gsm8k
79.6(8-shot,cot)
math
30(4-shot,cot)
llama-3-infini-8b-instruct闭源申请试用
Llama3-Infini-8B-Instruct 是无问芯穹推出的 Llama3-8b-Instruct 中文增强版本，旨在更好地服务中文语言环境的需求。
模型亮点
为了更好地服务中文语言环境的需求，我们首先对原有的 Llama3-8b-base 模型进行了继续训练，数据精选自多种高质量中文资源，包括百科全书、书籍、互联网通用语料，以及代码、数学和逻辑推理等领域，确保模型训练的全面性和深度。值得一提的是，为了增强模型的指令跟随能力，我们特别加入了大量的对话和指令类型数据。继续训练完成后，我们进一步使用了高质量对话数据进行特定的微调，最终形成了一款专门针对中文优化的对话模型。
mmlu
68.4(5-shot)
gpqa
34.2(0-shot)
humaneval
62.2(0-shot)
gsm8k
79.6(8-shot,cot)
math
30(4-shot,cot)
llama-3-70b-instruct开源申请试用
Llama3 系列是由 Meta 开发的 Llama 系列全新的第三代版本，包含一系列预训练和指令调优的文本生成式模型。Llama3 基于优化后的 Transformer 架构，预训练过程中使用了超过 15T tokens 的数据，调优后的模型使用 SFT 和 RLHF，以更好地贴合人类对可用性和安全性的偏好。
模型亮点
Llama3-70b-Instruct 是此系列里 700 亿参数的指令调优的模型，针对对话场景用例进行了优化，并在常见的行业基准测试中超越了许多可用的开源聊天模型。Llama3-70b-Instruct 模型的数据的知识截止日期为 2023 年 12 月。
mmlu
82(5-shot)
gpqa
39.5(0-shot)
humaneval
81.7(0-shot)
gsm8k
93(8-shot,cot)
math
50.4(4-shot,cot)
LLaMA 2
llama-2-7b-chat开源申请试用可以微调
Llama2 是由 Meta 开发并开源的大型语言模型（LLM）系列，这是一组从 70 亿到 700 亿参数不同规模、经过预训练和微调的生成式文本模型。架构层面，LLama2 是一个使用优化型转换器架构的自动回归语言模型。调整后的版本使用有监督的微调（SFT）和带有人类反馈的强化学习（RLHF）以对齐人类对有用性和安全性的偏好。Llama2 较 Llama 系列在多种学术数据集上有着更加不俗的表现，为大量其他模型提供了设计和开发的思路。
模型亮点
lama2-7b-chat 是其中 70 亿的主流参数大小的模型，适用于 chat 场景，更擅长英文相关的内容。
code
16.8
commonsense_reasoning
63.9
world_knowledge
48.9
math
14.6
mmlu
45.3
bbh
32.6
agieval
29.3
NOTE
llama-2-13b-chat开源申请试用
Llama2 是由 Meta 开发并开源的大型语言模型（LLM）系列，这是一组从 70 亿到 700 亿参数不同规模、经过预训练和微调的生成式文本模型。架构层面，LLama2 是一个使用优化型转换器架构的自动回归语言模型。调整后的版本使用有监督的微调（SFT）和带有人类反馈的强化学习（RLHF）以对齐人类对有用性和安全性的偏好。Llama2 较 Llama 系列在多种学术数据集上有着更加不俗的表现，为大量其他模型提供了设计和开发的思路。
模型亮点
Llama2-13b-chat 是其中 130 亿的主流参数大小的模型，适用于 chat 场景，更擅长英文相关的内容。
code
16.8
commonsense_reasoning
63.9
world_knowledge
48.9
math
14.6
mmlu
45.3
bbh
32.6
agieval
29.3
NOTE
llama-2-70b-chat开源申请试用
Llama2 是由 Meta 开发并开源的大型语言模型（LLM）系列，这是一组从 70 亿到 700 亿参数不同规模、经过预训练和微调的生成式文本模型。架构层面，LLama2 是一个使用优化型转换器架构的自动回归语言模型。调整后的版本使用有监督的微调（SFT）和带有人类反馈的强化学习（RLHF）以对齐人类对有用性和安全性的偏好。Llama2 较 Llama 系列在多种学术数据集上有着更加不俗的表现，为大量其他模型提供了设计和开发的思路。
模型亮点
Llama2-70b-chat 是其中 700 亿参数的大模型，适用于 chat 场景，更擅长英文相关的内容，相较该系列里其他规模的的模型，有更强的综合能力。
code
37.5
commonsense_reasoning
71.9
world_knowledge
63.6
math
35.2
mmlu
68.9
bbh
51.2
agieval
54.2
NOTE
llama-2-70b开源申请试用
Llama2 是由 Meta 开发并开源的大型语言模型（LLM）系列，这是一组从 70 亿到 700 亿参数不同规模、经过预训练和微调的生成式文本模型。架构层面，LLama2 是一个使用优化型转换器架构的自动回归语言模型。调整后的版本使用有监督的微调（SFT）和带有人类反馈的强化学习（RLHF）以对齐人类对有用性和安全性的偏好。Llama2 较 Llama 系列在多种学术数据集上有着更加不俗的表现，为大量其他模型提供了设计和开发的思路。
模型亮点
Llama2-70b-base 是其中 700 亿参数的基础大模型，适用于通用语言任务场景，更擅长英文相关的内容，相较该系列里其他规模的的模型，有更强的综合能力。
code
37.5
commonsense_reasoning
71.9
world_knowledge
63.6
math
35.2
mmlu
68.9
bbh
51.2
agieval
54.2
NOTE
Yi 1.5
yi-1.5-34b-chat开源
Yi-1.5 是 Yi 的升级版本。 它使用 500B Tokens 的高质量语料库在 Yi 上持续进行预训练，并在 3M 个多样化的微调样本上进行微调。
模型亮点
与 Yi 相比，Yi-1.5 在编程、数学、推理和指令执行能力方面表现更为出色，同时仍然保持了在语言理解、常识推理和阅读理解方面的卓越能力。
mmlu
76.8
gsm8k
90.2
math
50.1
humaneval
75.2
mbpp
74.6
mt-bench
8.5
alignbench
7.2
arenahard
42.6
alpacaeval2.0
36.6
Baichuan 2
baichuan2-7b-chat开源
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。
NOTE
此模型的使用受许可协议的约束。请在下方查看相关的协议内容。评测数据来自 `baichuan2-7b-base`，仅供参考。
模型亮点
Baichuan2-7b-chat 是 130 亿参数规模用于对话的模型，在 C-Eval、MMLU、CMMLU 等主流评测数据集上都有不俗的表现。
c-eval
54
mmlu
54.16
cmmlu
57.07
gaokao
47.47
agieval
42.73
bbh
41.56
baichuan2-13b-base开源
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。
模型亮点
Baichuan2-13b-base 是 130 亿参数规模的基础模型，适用于通用对话和文本续写，较 chat 模型更适合于复杂场景的微调后使用。
c-eval
58.1
mmlu
59.17
cmmlu
61.97
gaokao
54.33
agieval
48.17
bbh
48.78
baichuan2-13b-chat开源
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。
NOTE
此模型的使用受许可协议的约束。请在下方查看相关的协议内容。评测数据来自 `baichuan2-13b-base`，仅供参考。
模型亮点
Baichuan2-13b-chat 是 130 亿参数规模用于对话的模型，在 C-Eval、MMLU、CMMLU 等主流评测数据集上都有不俗的表现。
c-eval
58.1
mmlu
59.17
cmmlu
61.97
gaokao
54.33
agieval
48.17
bbh
48.78
GLM 4
glm-4-9b-chat开源
GLM-4-9B-Chat 是智谱 AI 推出的最新一代预训练模型 GLM-4-9B 的人类偏好对齐版本。
NOTE
此模型的使用受智谱 AI 许可协议的约束。请在下方查看相关的协议内容。
https://modelscope.cn/models/ZhipuAI/glm-4-9b-chat/file/view/master?fileName=LICENSE&status=0
模型亮点
在语义、数学、推理、代码和知识等多方面的数据集测评中，GLM-4-9B-Chat 表现出超越 Llama-3-8B 的卓越性能。除了能进行多轮对话，GLM-4-9B-Chat 还具备网页浏览、代码执行、自定义工具调用（Function Call）和长文本推理等高级功能。本代模型增加了多语言支持，支持包括日语，韩语，德语在内的 26 种语言。
alignbench
7.01
mt-bench
8.35
ifeval
69.0
mmlu
72.4
c-eval
75.6
gsm8k
79.6
math
50.6
humaneval
71.8
natualcodebench
32.2
ChatGLM 3
chatglm3-6b-32k开源
ChatGLM3-6b 是由智谱开发的 ChatGLM 系列最新一代的 60 亿参数规模的开源模型。相较于 ChatGLM 之前系列的模型，ChatGLM3 采用了更多样的训练数据，并原生支持工具调用（Function Call）、代码执行（Code Interpreter）和 Agent 任务等复杂场景。
模型亮点
ChatGLM3-6b-32k 在 ChatGLM3-6b 基础上进一步强化了对于长文本的理解能力。详见官方在 LongBench 评测集的测试结果。
gsm8k
72.3
math
25.7
bbh
66.1
mmlu
61.4
c-eval
69
cmmlu
67.5
mbpp
52.4
agieval
53.7
avarage_longbench
50.2
summary_longbench
26.2
single_doc_qa_longbench
45.8
multi_doc_qa_longbench
46.1
code_longbench
56.2
few_shot_longbench
61.2
synthetic_longbench
65
NOTE
chatglm3-6b-base开源可以微调
ChatGLM3-6b-base 是由智谱开发的 ChatGLM 系列最新一代的 60 亿参数规模的开源的基础模型。
NOTE
模型使用受智谱 AI 许可协议的约束。请在下方查看相关的协议内容。
模型亮点
ChatGLM3-6B-Base 采用了更多样的训练数据、更充分的训练步数和更合理的训练策略，更适合于复杂场景的微调后使用。
gsm8k
72.3
math
25.7
bbh
66.1
mmlu
61.4
c-eval
69
cmmlu
67.5
mbpp
52.4
agieval
53.7
avarage_longbench
50.2
summary_longbench
26.2
single_doc_qa_longbench
45.8
multi_doc_qa_longbench
46.1
code_longbench
56.2
few_shot_longbench
61.2
synthetic_longbench
65
NOTE
chatglm3-6b开源
ChatGLM3-6b 是由智谱开发的 ChatGLM 系列最新一代的 60 亿参数规模的开源模型。ChatGLM3 采用了全新设计的 Prompt 格式，并原生支持工具调用（Function Call）、代码执行（Code Interpreter）和 Agent 任务等复杂场景。
NOTE
模型使用受智谱 AI 许可协议的约束。请在下方查看相关的协议内容。
gsm8k
72.3
math
25.7
bbh
66.1
mmlu
61.4
c-eval
69
cmmlu
67.5
mbpp
52.4
agieval
53.7
NOTE
chatglm3闭源
ChatGLM3 是智谱 AI 与清华 KEG 实验室发布的闭源模型，经过海量中英标识符的预训练与人类偏好对齐训练，相比一代模型在 MMLU、C-Eval、GSM8K 分别取得了 16%、36%、280% 的提升，并登顶中文任务榜单 C-Eval。适用于对知识量、推理能力、创造力要求较高的场景，比如广告文案、小说写作、知识类写作、代码生成等。
NOTE
此模型为闭源模型，无官方评测数据。以下提供 ChatGLM3-6B-Base 的评测数据，仅供参考。
gsm8k
72.3
math
25.7
bbh
66.1
mmlu
61.4
c-eval
69
cmmlu
67.5
mbpp
52.4
agieval
53.7
NOTE
ChatGLM 2
chatglm2-6b-32k开源
ChatGLM2-6b 是由智谱开发的 ChatGLM 系列的第二代版本，支持中英双语的 60 亿参数规模的开源模型。
模型亮点
相较于 ChatGLM2-6B，ChatGLM2-6b-32k 支持更长的模型上下文。
mmlu
45.46
c-eval
50.1
gsm8k
28.05
bbh
51.2
NOTE
chatglm2-6b开源
ChatGLM2-6b 是由智谱开发的 ChatGLM 系列的第二代版本，支持中英双语的 60 亿参数规模的开源模型。在保留了初代模型对话流畅、部署门槛较低等众多优秀特性的基础之上，在 MMLU、C-Eval、GSM8K、BBH 等主流学术数据集上，都得到了显著的性能提升，并通过基于 FlashAttention 技术，提升了对话模型的上下文长度（Context Length），允许更多轮次的对话。
mmlu
45.46
c-eval
50.1
gsm8k
28.05
bbh
51.2
NOTE
Megrez
mt-infini-3b闭源
mt-infini-3b 由无问芯穹和摩尔线程联合实训，首次实现了在国产 GPU 千卡智算集群上对国产大语言模型的完整训练。该模型基于 Transformer 结构，使用了 1T token 的中英文训练数据集，支持多种语言，在各评测数据集上均有优秀的表现。
模型亮点
mt-infini-3b 基于摩尔线程夸娥（KUAE）千卡智算集群和和无问芯穹的 AIStudio 完成了完整训练，在推理、微调成本方面具有极大优势，并且克服了其他 3B 模型上频现的指令遗忘问题。该模型支持量化，在端侧运行也具有良好性能表现。
c-eval
63
mmlu
55.38
cmmlu
63
Qwen 2.5
qwen2.5-7b-instruct开源
Qwen2.5 是 Qwen 大型语言模型系列的最新成果。Qwen2.5 发布了从 0.5 到 720 亿参数不等的基础语言模型及指令调优语言模型。Qwen2.5 相比 Qwen2 带来了以下改进：
- 显著增加知识量，在编程与数学领域的能力得到极大提升。
- 在遵循指令、生成长文本、理解结构化数据 (例如，表格) 以及生成结构化输出特别是 JSON 方面有显著提升。对系统提示的多样性更具韧性，增强了聊天机器人中的角色扮演实现和条件设定。
- 支持长上下文处理。
- 支持超过 29 种语言的多语言功能，包括中文、英语、法语、西班牙语、葡萄牙语、德语、意大利语、俄语、日语、韩语、越南语、泰语、阿拉伯语等。
NOTE
此模型的使用受许可协议的约束。请在下方查看相关的协议内容。
https://github.com/QwenLM/Qwen2.5?tab=readme-ov-file#license-agreement
模型亮点
指令调优的 7B Qwen2.5 模型特点如下：
- 类型：因果语言模型
- 训练阶段：预训练与后训练
- 架构：带有 RoPE、SwiGLU、RMSNorm 和 Attention QKV 偏置的 transformers
- 参数数量：76.1 亿
- 非嵌入参数数量：65.3 亿
- 层数：28
- 注意力头数 (GQA)：查询为 28，键值为 4
mmlu-pro
56.3
mmlu-redux
75.4
gpqa
36.4
math
75.5
gsm8k
91.6
humaneval
84.8
mbpp
79.2
multipl-e
70.4
livecodebench-2305-2409
28.7
livebench-0831
35.9
ifeval-strict-prompt
71.2
arena-hard
52.0
alignbench-v1.1
7.33
mtbench
8.75
NOTE
qwen2.5-14b-instruct开源
Qwen2.5 是 Qwen 大型语言模型系列的最新成果。Qwen2.5 发布了从 0.5 到 720 亿参数不等的基础语言模型及指令调优语言模型。Qwen2.5 相比 Qwen2 带来了以下改进：
- 显著增加知识量，在编程与数学领域的能力得到极大提升。
- 在遵循指令、生成长文本、理解结构化数据 (例如，表格) 以及生成结构化输出特别是 JSON 方面有显著提升。对系统提示的多样性更具韧性，增强了聊天机器人中的角色扮演实现和条件设定。
- 支持长上下文处理。
- 支持超过 29 种语言的多语言功能，包括中文、英语、法语、西班牙语、葡萄牙语、德语、意大利语、俄语、日语、韩语、越南语、泰语、阿拉伯语等。
NOTE
此模型的使用受许可协议的约束。请在下方查看相关的协议内容。
https://github.com/QwenLM/Qwen2.5?tab=readme-ov-file#license-agreement
模型亮点
指令调优的 14B Qwen2.5 模型特点如下：
- 类型：因果语言模型
- 训练阶段：预训练与后训练
- 架构：带有 RoPE、SwiGLU、RMSNorm 及 Attention QKV 偏置的 transformers
- 参数数量：147 亿
- 非嵌入参数数量：131 亿
- 层数：48 层
- 注意力头数 (GQA)：查询 (Q) 为 40，键值 (KV) 为 8
mmlu-pro
63.7
mmlu-redux
80.0
gpqa
45.5
math
80.0
gsm8k
94.8
humaneval
83.5
mbpp
82.0
multipl-e
72.8
livecodebench-2305-2409
42.6
livebench-0831
44.4
ifeval-strict-prompt
81.0
arena-hard
68.3
alignbench-v1.1
7.94
mtbench
8.88
NOTE
qwen2.5-32b-instruct开源
Qwen2.5 是 Qwen 大型语言模型系列的最新成果。Qwen2.5 发布了从 0.5 到 720 亿参数不等的基础语言模型及指令调优语言模型。Qwen2.5 相比 Qwen2 带来了以下改进：
- 显著增加知识量，在编程与数学领域的能力得到极大提升。
- 在遵循指令、生成长文本、理解结构化数据 (例如，表格) 以及生成结构化输出特别是 JSON 方面有显著提升。对系统提示的多样性更具韧性，增强了聊天机器人中的角色扮演实现和条件设定。
- 支持长上下文处理。
- 支持超过 29 种语言的多语言功能，包括中文、英语、法语、西班牙语、葡萄牙语、德语、意大利语、俄语、日语、韩语、越南语、泰语、阿拉伯语等。
模型亮点
指令调优的 32B Qwen2.5 模型特点如下：
- 类型：因果语言模型
- 训练阶段：预训练与后训练
- 架构：采用 RoPE、SwiGLU、RMSNorm 及 Attention QKV 偏置的 transformers
- 参数数量：325 亿
- 非嵌入参数数量：310 亿
- 层数：64 层
- 注意力头数 (GQA)：查询 (Q) 为 40，键值 (KV) 为 8
mmlu-pro
69.0
mmlu-redux
83.9
gpqa
49.5
math
83.1
gsm8k
95.9
humaneval
88.4
mbpp
84.0
multipl-e
75.4
livecodebench-2305-2409
51.2
livebench-0831
50.7
ifeval-strict-prompt
79.5
arena-hard
74.5
alignbench-v1.1
7.93
mtbench
9.20
NOTE
qwen2.5-72b-instruct开源
Qwen2.5 是 Qwen 大型语言模型系列的最新成果。Qwen2.5 发布了从 0.5 到 720 亿参数不等的基础语言模型及指令调优语言模型。Qwen2.5 相比 Qwen2 带来了以下改进：
- 显著增加知识量，在编程与数学领域的能力得到极大提升。
- 在遵循指令、生成长文本、理解结构化数据 (例如，表格) 以及生成结构化输出特别是 JSON 方面有显著提升。对系统提示的多样性更具韧性，增强了聊天机器人中的角色扮演实现和条件设定。
- 支持长上下文处理。
- 支持超过 29 种语言的多语言功能，包括中文、英语、法语、西班牙语、葡萄牙语、德语、意大利语、俄语、日语、韩语、越南语、泰语、阿拉伯语等。
模型亮点
指令调优的 720 亿参数 Qwen2.5 模型特点如下：
- 类型：因果语言模型
- 训练阶段：预训练与后训练
- 架构：采用 RoPE、SwiGLU、RMSNorm 及 Attention QKV 偏置的 transformers
- 参数数量：727 亿
- 非嵌入参数数量：700 亿
- 层数：80 层
- 注意力头数 (GQA)：查询 (Q) 为 64，键值 (KV) 为 8
mmlu-pro
71.1
mmlu-redux
86.8
gpqa
49.0
math
83.1
gsm8k
95.8
humaneval
86.6
mbpp
88.2
multipl-e
75.1
livecodebench-2305-2409
55.5
livebench-0831
52.3
ifeval-strict-prompt
84.1
arena-hard
81.2
alignbench-v1.1
8.16
mtbench
9.35
NOTE
Qwen 2
qwen2-7b-instruct开源
Qwen2 是 Qwen 团队推出的新一代大型语言模型系列。它基于 Transformer 架构，并采用 SwiGLU 激活函数、注意力 QKV 偏置(attention QKV bias)、群组查询注意力(group query attention)、滑动窗口注意力(mixture of sliding window attention)与全注意力的混合等技术。此外，Qwen 团队还改进了适应多种自然语言和代码的分词器。
NOTE
此模型的使用受许可协议的约束。请在下方查看相关的协议内容。
https://modelscope.cn/models/qwen/Qwen2-7B-Instruct/file/view/master?fileName=LICENSE&status=0
mmlu
70.5
gpqa
25.3
humaneval
79.9
mbpp
67.2
gsm8k
82.3
math
49.6
c-eval
77.2
qwen2-7b开源可以微调
Qwen2 是 Qwen 团队推出的新一代大型语言模型系列。它基于 Transformer 架构，并采用 SwiGLU 激活函数、注意力 QKV 偏置(attention QKV bias)、群组查询注意力(group query attention)、滑动窗口注意力(mixture of sliding window attention)与全注意力的混合等技术。此外，Qwen 团队还改进了适应多种自然语言和代码的分词器。
NOTE
此模型的使用受许可协议的约束。请在下方查看相关的协议内容。
https://modelscope.cn/models/qwen/Qwen2-7B/file/view/master?fileName=LICENSE&status=0
mmlu
70.3
gpqa
31.8
humaneval
51.2
mbpp
65.9
gsm8k
79.9
math
44.2
c-eval
83.2
cmmlu
83.9
qwen2-72b-instruct开源
Qwen2 是 Qwen 团队推出的新一代大型语言模型系列。它基于 Transformer 架构，并采用 SwiGLU 激活函数、注意力 QKV 偏置(attention QKV bias)、群组查询注意力(group query attention)、滑动窗口注意力(mixture of sliding window attention)与全注意力的混合等技术。此外，Qwen 团队还改进了适应多种自然语言和代码的分词器。
NOTE
此模型的使用受许可协议的约束。请在下方查看相关的协议内容。
https://modelscope.cn/models/qwen/Qwen2-72B-Instruct/file/view/master?fileName=LICENSE&status=0
mmlu
82.3
gpqa
42.4
humaneval
86.0
mbpp
52.2
gsm8k
91.1
math
59.7
c-eval
83.8
Qwen 1.5
qwen1.5-4b-chat开源
Qwen1.5 系列是 Qwen2 的 Beta 版本，是一个基于 Transformer 的仅解码语言模型，在海量数据上进行预训练。与之前发布的 Qwen 系列版本相比，Qwen1.5 系列 base 与 chat 模型均能支持多种语言，在整体聊天和基础能力上都得到了提升。
模型亮点
Qwen1.5-7b-chat 是其中专用于 chat 场景的 70 亿参数的主流大小模型。
mmlu
56.1
c-eval
67.6
gsm8k
57.0
math
10.0
humaneval
25.6
mbpp
29.2
bbh
32.5
cmmlu
66.7
qwen1.5-7b-chat开源可以微调
Qwen1.5 系列是 Qwen2 的 Beta 版本，是一个基于 Transformer 的仅解码语言模型，在海量数据上进行预训练。与之前发布的 Qwen 系列版本相比，Qwen1.5 系列 base 与 chat 模型均能支持多种语言，在整体聊天和基础能力上都得到了提升。
模型亮点
Qwen1.5-7b-chat 是其中专用于 chat 场景的 70 亿参数的主流大小模型。
mmlu
61
c-eval
74.1
gsm8k
62.5
math
20.3
humaneval
36
mbpp
37.4
bbh
40.2
cmmlu
73.1
qwen1.5-14b-chat开源可以微调
Qwen1.5 系列是 Qwen2 的 Beta 版本，是一个基于 Transformer 的仅解码语言模型，在海量数据上进行预训练。与之前发布的 Qwen 系列版本相比，Qwen1.5 系列 base 与 chat 模型均能支持多种语言，在整体聊天和基础能力上都得到了提升
模型亮点
Qwen1.5-14b-chat 是其中专用于 chat 场景的 140 亿参数的主流大小模型。
mmlu
67.6
c-eval
78.7
gsm8k
70.1
math
29.2
humaneval
37.8
mbpp
44
bbh
53.7
cmmlu
77.6
qwen1.5-32b-chat开源
Qwen1.5 系列是 Qwen2 的 Beta 版本，是一个基于 Transformer 的仅解码语言模型，在海量数据上进行预训练。与之前发布的 Qwen 系列版本相比，Qwen1.5 系列 base 与 chat 模型均能支持多种语言，在整体聊天和基础能力上都得到了提升
模型亮点
Qwen1.5-32b-chat 是其中专用于 chat 场景的 320 亿参数的大模型，较于 14b 模型在智能体场景更强，较于 72b 模型推理成本更低。
mmlu
73.4
c-eval
83.5
gsm8k
77.4
math
36.1
humaneval
73.2
mbpp
49.4
bbh
66.8
cmmlu
82.3
qwen1.5-72b-chat开源
Qwen1.5 系列是 Qwen2 的 Beta 版本，是一个基于 Transformer 的仅解码语言模型，在海量数据上进行预训练。与之前发布的 Qwen 系列版本相比，Qwen1.5 系列 base 与 chat 模型均能支持多种语言，在整体聊天和基础能力上都得到了提升
模型亮点
Qwen1.5-72b-chat 是其中专用于 chat 场景的 720 亿参数的大模型。
mmlu
77.5
c-eval
84.1
gsm8k
79.5
math
34.1
humaneval
41.5
mbpp
53.4
bbh
65.5
cmmlu
83.5
qwen1.5-72b开源
Qwen1.5 系列是 Qwen2 的 Beta 版本，是一个基于 Transformer 的仅解码语言模型，在海量数据上进行预训练。与之前发布的 Qwen 系列版本相比，Qwen1.5 系列 base 与 chat 模型均能支持多种语言，在整体聊天和基础能力上都得到了提升
模型亮点
Qwen1.5-72b-base 是其中的 720 亿参数的基础大模型，适合多种场景的使用。
mmlu
77.5
c-eval
84.1
gsm8k
79.5
math
34.1
humaneval
41.5
mbpp
53.4
bbh
65.5
cmmlu
83.5
生图模型
Stable Diffusion
stable-diffusion-1.5开源申请试用
Stable Diffusion 是一种扩散式文本到图像生成模型，该模型使用 CLIP ViT-L/14 作为固定预训练文本编码器，能够根据任何文本输入生成照片级逼真的图像。
NOTE
使用此模型需遵循 Stability AI 许可协议。请查看相关的协议内容。
https://huggingface.co/spaces/CompVis/stable-diffusion-license
模型亮点
- 基于 v1.2 的权重初始化：v1.5 检查点基于 v1.2 权重初始化，并在 595k 步上进行了微调。
- 高分辨率支持：在 512x512 分辨率下进行训练，提升了图像细节和质量。
- 改进的无分类指导采样：通过 10% 的文本条件丢弃优化了无分类指导采样。
视频生成模型
CogVideoX
cogvideox-2b开源申请试用
CogVideoX 是由智谱开发并开源的最新的视频生成模型系列，与智谱清影为同源模型。该模型暂时仅支持输入英文提示词，可生成 720 * 480 的 6 秒视频，在人物高清特写，电影镜头等场景上都有不俗的表现。
NOTE
模型使用受智谱 AI 许可协议的约束。请在下方查看相关的协议内容。
https://www.modelscope.cn/models/ZhipuAI/CogVideoX-2b/file/view/master?fileName=LICENSE&status=1
模型亮点
- 与“清影”同源：CogVideoX-2b 与智谱 AI 之前推出的 AI 视频生成功能「清影」技术同源，继承了「清影」的高效指令遵循能力和内容连贯性 。
- 视频生成：提示词上限为 226 个 token，可通过控制镜头语言、景别角度、光影效果、主体、场景等因素，生成多样化的视频内容。
- 技术创新：自研高效的 3D VAE，配合3D RoPE 位置编码模块，更有利于在时间维度上捕捉帧间关系，建立起视频中的长程依赖。
模型总表
| Model ID | 模型厂商 | 模型类型 |
|---|---|---|
| baichuan2-7b-chat | 百川智能 | 大语言模型 |
| baichuan2-13b-base | 百川智能 | 大语言模型 |
| baichuan2-13b-chat | 百川智能 | 大语言模型 |
| bge-m3 | BAAI | 其他 |
| bge-reranker-v2-m3 | BAAI | 其他 |
| chatglm2-6b-32k | 智谱 AI | 大语言模型 |
| chatglm2-6b | 智谱 AI | 大语言模型 |
| chatglm3-6b-32k | 智谱 AI | 大语言模型 |
| chatglm3-6b-base | 智谱 AI | 大语言模型 |
| chatglm3-6b | 智谱 AI | 大语言模型 |
| chatglm3 | 智谱 AI | 大语言模型 |
| cogvideox-2b | 智谱 AI | 视频模型 |
| gemma-2-27b-it | 大语言模型 | |
| glm-4-9b-chat | 智谱 AI | 大语言模型 |
| mt-infini-3b | 无问芯穹 | 大语言模型 |
| jina-embeddings-v2-base-code | Jina AI | 其他 |
| jina-embeddings-v2-base-zh | Jina AI | 其他 |
| llama-2-7b-chat | Meta | 大语言模型 |
| llama-2-13b-chat | Meta | 大语言模型 |
| llama-2-70b-chat | Meta | 大语言模型 |
| llama-2-70b | Meta | 大语言模型 |
| llama-3-8b-instruct | Meta | 大语言模型 |
| llama-3-infini-8b-instruct | Meta | 大语言模型 |
| llama-3-70b-instruct | Meta | 大语言模型 |
| llama-3.1-8b-instruct | Meta | 大语言模型 |
| llama-3.1-70b-instruct | Meta | 大语言模型 |
| qwen1.5-4b-chat | 阿里云 | 大语言模型 |
| qwen1.5-7b-chat | 阿里云 | 大语言模型 |
| qwen1.5-14b-chat | 阿里云 | 大语言模型 |
| qwen1.5-32b-chat | 阿里云 | 大语言模型 |
| qwen1.5-72b-chat | 阿里云 | 大语言模型 |
| qwen1.5-72b | 阿里云 | 大语言模型 |
| qwen2-7b-instruct | 阿里云 | 大语言模型 |
| qwen2-7b | 阿里云 | 大语言模型 |
| qwen2-72b-instruct | 阿里云 | 大语言模型 |
| qwen2.5-7b-instruct | 阿里云 | 大语言模型 |
| qwen2.5-14b-instruct | 阿里云 | 大语言模型 |
| qwen2.5-32b-instruct | 阿里云 | 大语言模型 |
| qwen2.5-72b-instruct | 阿里云 | 大语言模型 |
| stable-diffusion-1.5 | Runway ML | 图像模型 |
| yi-1.5-34b-chat | 零一万物 | 大语言模型 |