百川大模型官网 – 多语言开源大模型

百川大模型是由百川智能开发的一系列大型多语言模型，训练数据超过2.6万亿个标记，涵盖中文和英文。它在多个基准测试中表现出色，如MMLU、CMMLU、GSM8K和HumanEval，并在医学和法律等垂直领域有卓越表现。模型包括7亿和13亿参数的版本，支持多语言处理，上下文窗口可处理约35万中文字符。百川大模型是开源的，允许商业使用需通过电子邮件申请官方许可。

百川大模型的特点:

1. 多语言处理：支持中文和英文，涵盖101种语言
2. 大上下文窗口：可处理约35万中文字符
3. 开源：允许商业使用，需申请许可
4. 高性能：在多个基准测试中表现优异，尤其在医学和法律领域
5. 复杂指令遵循：特别适用于高精度和复杂指令的场景

百川大模型的功能:

1. 文本生成：适用于广告文案创作等场景
2. 问答系统：在知识问答领域表现突出
3. 聊天应用：优化对话、安全和上下文理解
4. 医学应用：专为医疗领域优化的模型版本
5. 法律应用：在法律领域的垂直应用表现卓越

相关导航

Look into the machine’s mind官网 – 探索机器思维的工具

该项目利用ChatGPT API，通过反复运行相同的提示，分析大型语言模型如何为下一个词分配概率，从而生成完整的文本。

LM-Kit.NET官网 – 为.NET应用集成生成式AI能力的SDK

LM-Kit.NET是一个高层次的推理SDK，旨在将先进的生成式AI能力集成到.NET应用中。它为C#和VB.NET开发人员提供了文本补全、自然语言处理和翻译等功能。

InternLM开源项目 – 高效开源大语言模型平台

InternLM 是一个高效的语言模型开源平台，旨在为开发者提供构建高性能模型的便捷工具，支持从研究到应用的完整生命周期。最新版本书生·浦语2.0（InternLM2）经过2.6万亿token高质量语料训练，包含7B及20B两种参数规格，支持超长上下文和优秀的数学推理能力。

openai-go开源项目 – Go语言访问OpenAI API的库

OpenAI Go库为用Go语言编写的应用程序提供了方便地访问OpenAI REST API的途径。它提供了一组广泛的类型和方法，用于以面向对象的方式与OpenAI API交互，简化了请求的构建和响应的处理，使开发人员能够专注于应用程序逻辑。该库支持多种OpenAI模型和功能，如文本生成、图像生成、翻译和对话，并提供了功能选项模式、分页、错误处理等特性。

DeepSeek LLM开源项目 – 一款先进的双语语言模型

DeepSeek LLM是一款拥有670亿个参数的先进语言模型，通过庞大的包含2万亿标记的数据集在英语和中文上进行了从零开始的训练，旨在提供高质量的自然语言处理能力。

Qwen2.5开源项目 – 智能易用的超大型语言模型

Qwen2.5是由阿里云Qwen团队开发的超大型语言模型系列，专注于提供智能、易用、decoder only的语言模型，支持多语言和长文本生成。

Pocket LLM官网 – 简化大语言模型的使用

Pocket LLM是一个平台，旨在使复杂的大语言模型和其他先进的人工智能技术对所有人都可访问。它提供定制化、私密的人工智能解决方案，这些解决方案在普通硬件上训练，具有超低延迟推理，消除了对GPU、TPU或定制ASIC的需求。用户可以在没有高级配置或GPU的情况下，仅使用CPU构建和部署数十亿参数的模型。

Pebble AI官网 – AI驱动的主动阅读助手

Pebble AI是一个智能伴侣，旨在通过主动阅读、观看和记忆来提高学习效率。它提供嵌入式问题、网络高亮和笔记、文档问答、观看YouTube视频时的问题、间隔重复的AI测验以及AI维基百科等功能，帮助用户更好地吸收信息并加深记忆。

Cohere官网 – 为企业构建高性能语言模型

Cohere 提供可定制的高性能语言模型，支持公共、私有或混合云，确保数据安全和卓越的支持服务。

Tinq.ai – NLP API-强大的自然语言处理工具

Tinq.ai是一个AI工具包，提供多种自然语言处理（NLP）能力作为服务，包括命名实体识别、情感分析、文本分类、摘要生成、问答、文本生成和语言检测等。开发者可以通过注册API密钥并将其集成到项目中，轻松调用API执行各种NLP任务。

LingoWhale-8B开源项目 – 开源的深度学习语言模型

深言科技联合清华大学NLP实验室开源的语鲸-8B模型，其能力大致介于ChatGLM2和3之间。该模型支持多种自然语言处理任务，适用于各种应用场景。

TESS-2开源项目 – 一款大规模通用扩散语言模型

TESS-2是一款大规模通用扩散语言模型，为自然语言处理任务带来全新视角。它基于创新的扩散模型架构，旨在提升模型的通用性和适应性，支持多种语言任务，如问答、文本生成等。同时，TESS-2提供完整的训练和推理脚本，使得用户可以轻松复现和扩展模型。

med-flamingo开源项目 – 执行少样本医学视觉问答任务

med-flamingo是一个基于OpenFlamingo-9B和LLaMa-7B构建的模型，能够在医学领域执行少样本的视觉问答任务。该项目结合了CLIP ViT/L-14视觉编码器，并使用约4.7K本医学教科书进行训练，包含0.8M张图像和548M个token，支持1.6M个图像字幕对的生物医学数据集。

API Structured Outputs官网 – 确保模型输出与JSON schema完全匹配

OpenAI于2024-08-06推出的API structured outputs功能，旨在提升API的可靠性，确保模型生成的输出与开发者提供的JSON schema完全匹配。该功能特别适用于需要精确数据格式的应用场景，如数据输入、信息检索、问答系统和多步工作流。在复杂JSON schema的评估中，新模型取得了100%的得分，显著优于之前的gpt-4-0613模型（得分不到40%）。该功能通过设置"strict: true"启用，适用于Chat Completions API和Assistants API。