Awesome ChatGPT 中文指南
LLMs
本章节收录主流大语言模型。先是 2024–2026 年最具影响力的旗舰、开源与国产模型，随后保留早期经典开源 LLM 供学习参考。
2024–2026 主流大模型
时间与版本截至 2026 年 8 月，模型迭代极快，请以官方渠道为准。
国外闭源旗舰模型
| 模型 | 开发方 | 链接 | 中文简介（关键能力与发布时间） |
|---|---|---|---|
| GPT-5.6（Luna / Terra / Sol） | OpenAI | openai.com | 2026 年 7 月 9 日发布的三档模型家族（由弱到强 Luna / Terra / Sol），面向企业工作、编码、科研与网络安全；Sol 为最强档，8 月 21 日起 API 降价 20%+。 |
| GPT-5 | OpenAI | openai.com | 2025 年 8 月发布，OpenAI 新一代旗舰，统一推理与对话（自动调度"思考"模式），取代 GPT-4o/o3 成为 ChatGPT 默认模型。 |
| o3 / o4-mini | OpenAI | openai.com | 2025 年 4 月发布的 o 系列推理模型，"先思考后回答"，o4-mini 主打高性价比快速推理。 |
| GPT-4.1 | OpenAI | openai.com | 2025 年 4 月发布，专精编码，100 万 token 长上下文，指令遵循强。 |
| Claude 5 家族（Fable 5 / Opus 5 / Sonnet 5） | Anthropic | platform.claude.com | 2026 年 6–7 月发布的第 5 代：Fable 5（6 月 9 日，Mythos 级旗舰，$10/$50 每百万 token）、Sonnet 5（6 月 30 日，$2/$10）、Opus 5（7 月 24 日，$5/$25，接近 Fable 5 智能但价格减半）；三者均 1M 上下文、128K 输出、自适应思考。 |
| Claude Opus 4.5 | Anthropic | anthropic.com | 2025 年 11 月发布，Anthropic 最强模型，编码与智能体能力顶尖。 |
| Claude Sonnet 4.5 | Anthropic | anthropic.com | 2025 年 9 月发布，平衡性能与成本，长程智能体任务表现优异。 |
| Claude 4（Opus 4 / Sonnet 4） | Anthropic | anthropic.com | 2025 年 5 月发布的第 4 代，Opus 4 号称"世界最佳编码模型"。 |
| Gemini 3.x（3.7 Flash / 3.5 Flash / 3.1 Pro） | Google DeepMind | changelog | 2026 年迭代：3.5 Flash（5 月 GA）、3.6 Flash（7 月）、3.7 Flash（8 月 13 日 GA，「最智能的编码 / Agent 主力模型」）；3.1 Pro 仍为预览。另有 Gemini Omni 1.1 Flash 视频生成模型（8 月 GA）。 |
| Gemini 3 Pro | Google DeepMind | blog.google | 2025 年 11 月发布，Google 最强多模态旗舰，"推理优先"，含 Deep Think 模式。 |
| Gemini 2.5 Pro / Flash | Google DeepMind | developers.googleblog.com | "思考型"系列，Pro 主打高智能、Flash 主打低延迟低成本。 |
| Grok 4 | xAI | x.ai | 2025 年 7 月发布，256K 上下文，原生工具调用（代码、联网与 X 搜索）。 |
国外开源 / 开放权重模型
| 模型 | 开发方 | 链接 | 中文简介（关键能力与发布时间） |
|---|---|---|---|
| Llama 4（Scout / Maverick） | Meta | ai.meta.com | 2025 年 4 月发布，原生多模态 MoE，Scout 上下文达 10M，Maverick 多模态超 GPT-4o。 |
| Llama 3.3 70B | Meta | llama.com | 2024 年 12 月发布，70B 性能对标 3.1 的 405B，推理成本大幅降低。 |
| Mistral Large 3 | Mistral AI | mistral.ai | 2025 年 12 月发布，稀疏 MoE，41B 激活 / 675B 总参，开放权重前沿模型。 |
| Gemma 3 | ai.google.dev | Google 开源小模型系列，基于 Gemini 技术，可单卡运行、多模态。 |
国产大模型
| 模型 | 开发方 | 链接 | 中文简介（关键能力与发布时间） |
|---|---|---|---|
| DeepSeek-V4（Pro / Flash） | 深度求索 | HuggingFace ・生态指南 | 2026 年 4 月预览、8 月 GA。Pro 1.6T/49B 激活、Flash 284B/13B 激活，DSA 稀疏注意力，1M 上下文，MIT 开放权重，支持 low/high/max 推理强度，Agent 与编码能力比肩顶级闭源模型。 |
| DeepSeek-V3.2 / V3.2-Speciale | 深度求索 | 论文 | 2025 年 12 月发布，引入 DSA 稀疏注意力，正式版比肩 GPT-5；Speciale 在 IMO / IOI / ICPC 2025 达金牌水平。 |
| DeepSeek-V3.1 / V3.1-Terminus | 深度求索 | HuggingFace | 2025 年 8–9 月，混合推理架构（思考 / 非思考双模式），面向 Agent 工具调用优化。 |
| DeepSeek-V3 | 深度求索 | GitHub | 2024 年 12 月发布，671B/37B 激活 MoE，以极高性价比对标 GPT-4 级别。 |
| DeepSeek-R1 | 深度求索 | GitHub | 2025 年 1 月发布的开源推理模型，比肩 o1，掀起全球开源推理浪潮；5 月 R1-0528 升级版。 |
| DeepSeekMath-V2 / OCR-2 | 深度求索 | Math-V2 ・OCR-2 | 专项模型：Math-V2（2025-11）自我可验证数学推理达 IMO 金牌；OCR-2（2026-01）Visual Causal Flow 文档理解。 |
| Qwen3（通义千问 3） | 阿里巴巴 | GitHub | 2025 年 4 月发布，Apache 2.0 开源，0.6B–235B 多规格，首推混合推理，支持 119 种语言与 MCP。 |
| GLM-4.6 / GLM-4.5 | 智谱 AI | HuggingFace | GLM-4.5（2025 年 7 月）355B/32B MoE，MIT 协议开源，面向智能体；GLM-4.6 进一步升级。 |
| Kimi K3 | 月之暗面 | GitHub ・HuggingFace | 2026 年 7 月开放权重（Kimi K3 License）：2.8T 参数原生多模态 Agent 模型，KDA + AttnRes 新架构，896 专家激活 16 个，1M 上下文，主打长程编码与端到端知识工作；配套开源 RL 环境平台 AgentENV。 |
| Kimi K2 / K2 Thinking | 月之暗面 | GitHub | K2（2025 年 7 月）1T/32B MoE 开源；K2 Thinking（11 月）多项基准超 GPT-5、Sonnet 4.5。 |
| MiniMax M2 | MiniMax | GitHub | 2025 年 10 月发布的开源大模型，主打高效推理与智能体能力。 |
| ERNIE 4.5 / 文心一言 | 百度 | yiyan.baidu.com | 2025 年 3 月发布，MoE 架构最高 424B/47B；配套 ERNIE X1 深度推理模型。 |
| 混元（Hunyuan / T1） | 腾讯 | hunyuan.tencent.com | 腾讯自研大模型家族，T1 推理模型开放使用，覆盖文本与多模态。 |
| 豆包（Doubao） | 字节跳动 | doubao.com | 字节 C 端 AI 应用，月活领先，背后为字节自研大模型矩阵。 |
评测榜单与资源
| 资源 | 链接 | 中文简介 |
|---|---|---|
| LMArena（原 Chatbot Arena） | lmarena.ai | 众包匿名对战 + Elo 评分的权威 LLM 排行榜，业界最受认可的横向对比之一。 |
| Open LLM Leaderboard | HuggingFace | 基于标准化基准的开源模型自动评测榜单，适合硬指标对比。 |
| SuperCLUE | superclueai.com | 中文通用大模型综合性测评基准，中文场景的主流权威榜单。 |
| Artificial Analysis | artificialanalysis.ai | 第三方独立评测，汇总智能指数、速度、价格等维度，便于按性价比选型。 |
| 中文大模型能力评测榜单 | chinese-llm-benchmark | 持续更新的中文大模型能力评测，覆盖国内外主流闭源与开源模型，含客观题与主观题多维度打分，适合中文场景选型参考。 |
| Models.dev | models.dev / GitHub | SST 团队开源的 AI 模型数据库，收录各家模型的上下文窗口、输出上限、价格、能力（推理/工具调用/结构化输出）与开闭源信息；提供免费 JSON API（models.dev/api.json），是 opencode 等开源项目的模型数据源，数据以 TOML 文件社区共建。 |
早期经典开源 LLM（历史存档）
以下为 2023 年前后的开源模型，多数已被新版取代，保留供学习与参考。
大模型
| 名称 | Stars | 简介 | 备注 |
|---|---|---|---|
| grok-1 | Grok open release. | 马斯克 X 开源大模型 | |
| Mistral-7B | Reference implementation of Mistral AI 7B v0.1 model. | Mistral-7B 开源模型，性能评价不错 | |
| Alpaca | Code and documentation to train Stanford's Alpaca models, and generate the data. | - | |
| WizardLM | Family of instruction-following LLMs powered by Evol-Instruct: WizardLM, WizardCoder and WizardMath. | 数学能力与 ChatGPT 相差无几的开源大模型 | |
| BELLE | A 7B Large Language Model fine-tune by 34B Chinese Character Corpus, based on LLaMA and Alpaca. | - | |
| Bloom | BigScience Large Open-science Open-access Multilingual Language Model | - | |
| dolly | Databricks’ Dolly, a large language model trained on the Databricks Machine Learning Platform | Databricks 发布的 Dolly 2.0 大语言模型。业内第一个开源、遵循指令的 LLM，它在透明且免费提供的数据集上进行了微调，该数据集也是开源的，可用于商业目的。这意味着 Dolly 2.0 可用于构建商业应用程序，无需支付 API 访问费用或与第三方共享数据。 | |
| Falcon 40B | Falcon-40B-Instruct is a 40B parameters causal decoder-only model built by TII based on Falcon-40B and finetuned on a mixture of Baize. It is made available under the Apache 2.0 license. | - | |
| FastChat (Vicuna) | An open platform for training, serving, and evaluating large language models. Release repo for Vicuna and FastChat-T5. | 继草泥马（Alpaca）后，斯坦福联手CMU、UC伯克利等机构的学者再次发布了130亿参数模型骆马（Vicuna），仅需300美元就能实现ChatGPT 90%的性能。 | |
| GLM-130B (ChatGLM) | An Open Bilingual Pre-Trained Model (ICLR 2023) | ||
| GPT-NeoX | An implementation of model parallel autoregressive transformers on GPUs, based on the DeepSpeed library. | ||
| Luotuo | An Instruction-following Chinese Language model, LoRA tuning on LLaMA | 骆驼，中文大语言模型开源项目，包含了一系列语言模型。 | |
| minGPT | A minimal PyTorch re-implementation of the OpenAI GPT (Generative Pretrained Transformer) training。 | karpathy大神发布的一个 OpenAI GPT(生成预训练转换器)训练的最小 PyTorch 实现，代码十分简洁明了，适合用于动手学习 GPT 模型。 | |
| ChatGLM-6B | ChatGLM-6B: An Open Bilingual Dialogue Language Model | ChatGLM-6B 是一个开源的、支持中英双语的对话语言模型，基于 General Language Model (GLM) 架构，具有 62 亿参数。结合模型量化技术，用户可以在消费级的显卡上进行本地部署（INT4 量化级别下最低只需 6GB 显存）。 ChatGLM-6B 使用了和 ChatGPT 相似的技术，针对中文问答和对话进行了优化。经过约 1T 标识符的中英双语训练，辅以监督微调、反馈自助、人类反馈强化学习等技术的加持，62 亿参数的 ChatGLM-6B 已经能生成相当符合人类偏好的回答。 | |
| li-plus/chatglm.cpp | C++ implementation of ChatGLM-6B & ChatGLM2-6B | ChatGLM-6B & ChatGLM2-6B 模型的 C++ 高效实现 | |
| Open-Assistant | - | 知名 AI 机构 LAION-AI 开源的聊天助手，聊天能力很强，目前中文能力较差。 | |
| llama.cpp | - | 实现在MacBook上运行模型。 | |
| EasyLM | 在羊驼基础上改进的新的聊天机器人考拉。 | 介绍页 | |
| FreedomGPT | - | 自由无限制的可以在 windows 和 mac 上本地运行的 GPT，基于 Alpaca Lora 模型。 | |
| FinGPT | Data-Centric FinGPT. Open-source for open finance! Revolutionize 🔥 We'll soon release the trained model. | 金融领域大模型 | |
| baichuan-7B | A large-scale 7B pretraining language model developed by Baichuan | baichuan-7B 是由百川智能开发的一个开源可商用的大规模预训练语言模型。基于 Transformer 结构，在大约1.2万亿 tokens 上训练的70亿参数模型，支持中英双语，上下文窗口长度为4096。在标准的中文和英文权威 benchmark（C-EVAL/MMLU）上均取得同尺寸最好的效果。 | |
| baichuan-inc/Baichuan-13B | A 13B large language model developed by Baichuan Intelligent Technology | - | |
| open_llama | OpenLLaMA, a permissively licensed open source reproduction of Meta AI’s LLaMA 7B trained on the RedPajama dataset. | OpenLLaMA，允许开源复制Meta AI的LLaMA-7B 模型，在red睡衣数据集上训练得到。 | |
| Chinese-LLaMA-Alpaca | 中文LLaMA模型和经过指令精调的Alpaca大模型。 | - | |
| gemma.cpp | 用于 Google Gemma 模型的轻量级独立 C++ 推理引擎。 | - | |
| gemma_pytorch | Google Gemma 模型的官方 PyTorch 实现。 | - |
Llama 官方仓库（2024.11.5更新）
| 名称 | Stars | 简介 | 备注 |
|---|---|---|---|
| llama-models | Llama模型的核心仓库，包含Llama 3等基础模型、工具、模型卡片、许可证和使用政策。 | Llama Stack的基础仓库 | |
| PurpleLlama | Llama Stack的安全组件，专注于安全风险管理和推理时间的缓解措施。 | 处理模型安全相关问题 | |
| llama-toolchain | 提供模型开发全流程工具，包括推理、微调、安全防护和合成数据生成的接口和标准实现。 | 开发者工具链 | |
| llama-agentic-system | 端到端的独立Llama Stack系统，提供了智能应用开发的底层接口和实现。 | 用于构建智能应用 | |
| llama-recipes | 社区驱动的脚本和集成方案集合，提供各种实用工具和最佳实践。 | 社区贡献的实用工具 |
Llama 2 系列 [2023.08.05 更新]
| 名称 | Stars | 简介 | 备注 |
|---|---|---|---|
| llama 2 | Inference code for LLaMA models. | llama 系列模型官方开源地址 | |
| codellama | Inference code for CodeLlama models | 编程专用 llama 系列模型官方开源地址 | |
| Llama 2中文社区 | - | Llama中文社区,最好的中文Llama大模型,完全开源可商用 | |
| ollama | Get up and running with Llama 2 and other large language models locally | 本地运行 llama | |
| Firefly | - | Firefly(流萤): 中文对话式大语言模型(全量微调+QLoRA),支持微调Llma2、Llama、Qwen、Baichuan、ChatGLM2、InternLM、Ziya、Bloom 等大模型 | |
| Azure ChatGPT | 🤖 Azure ChatGPT: Private & secure ChatGPT for internal enterprise use 💼 | - | |
| LLaMA2-Accessory | An Open-source Toolkit for LLM Development | - |
端侧模型(手机等设备运行)
| 名称 | Stars | 简介 | 备注 |
|---|---|---|---|
| Llama 3 | Meta最新发布的大语言模型系列。支持128K上下文窗口，基于TikToken分词。包含8B、70B等不同规模。发布于2024年3月。 | 最新一代Llama模型，性能显著提升，需申请使用 | |
| Danube3 | - | H2O.ai开发的高性能开源大语言模型系列。4B参数版本在10-shot HellaSwag基准测试中达到80%以上的准确率，性能超越Apple，与Microsoft相当。 | 体现了小型模型通过优化也能达到优秀性能 |
| Gemma | Google DeepMind基于Gemini技术开发的开源大语言模型系列。包含2B和7B两种规格，每种规格提供Base和Instruction-tuned两个版本。 | 提供详细的技术报告和多框架的参考实现 | |
| Phi-3 | 微软开发的小型语言模型系列。包含Phi-3-mini(3.8B)、Phi-3-small(7B)两种规格，在同等规模和更大规模模型的对比中展现出优秀性能。 | 在语言理解、推理、编程和数学等基准测试中表现出色，提供详细的使用指南CookBook | |
| Qwen2.5 | 阿里云通义千问团队开发的大语言模型系列。包含0.5B、1.8B、4B、7B、14B、72B等多种规模，每个规模都提供Base和Chat版本。 | 支持中英等多语言，适用场景从移动设备到企业级高性能部署 | |
| SmolLM | - | 轻量级语言模型系列，包含135M、360M和1.7B三种规模，每种规格都提供base和instruct版本。开源了训练语料库。 | 特别优化用于移动设备和WebGPU运行，支持浏览器中直接运行demo |
| OpenTihui | on-device LLM for iOS with keyboard shortcuts. | 在 iPhone / iPad 本地运行 LLM 的 iOS 应用（Swift，MIT），离线推理、隐私不出端，并支持通过键盘快捷方式随处调用模型。 |
自由不受限制模型
| 名称 | Stars | 简介 | 备注 |
|---|---|---|---|
| dolphin | - | Dolphin, an open-source and uncensored, and commercially licensed dataset and series of instruct-tuned language models based on Microsoft's Orca paper. | 海豚（Dolphin），是一个基于微软的Orca论文的开源且未受审查的，以及商业许可的数据集和一系列经过指令调整的语言模型。 |
| dolphin-2.5-mixtral-8x7b | - | Dolphin, an open-source and uncensored, and commercially licensed dataset and series of instruct-tuned language models based on Microsoft's Orca paper. | 海豚（Dolphin），是一个基于微软的Orca论文的开源且未受审查的，以及商业许可的数据集和一系列经过指令调整的语言模型。 |
大模型训练和微调
| 名称 | Stars | 简介 | 备注 |
|---|---|---|---|
| transformers | 🤗 Transformers: State-of-the-art Machine Learning for Pytorch, TensorFlow, and JAX. | HuggingFace 经典之作, Transformers 模型必用库 | |
| peft | PEFT: State-of-the-art Parameter-Efficient Fine-Tuning. | HuggingFace 出品——PEFT:最先进的参数高效微调。 | |
| OpenLLM | An open platform for operating large language models (LLMs) in production. Fine-tune, serve, deploy, and monitor any LLMs with ease. | 微调，服务，部署和监控所有LLMS。用于运营大型语言模型（LLM）的开放平台。 | |
| MLC LLM | Enable everyone to develop, optimize and deploy AI models natively on everyone's devices. | 陈天奇大佬力作——MLC LLM，在各类硬件上原生部署任意大型语言模型。可将大模型应用于移动端（例如 iPhone）、消费级电脑端（例如 Mac）和 Web 浏览器。 | |
| languagemodels | Explore large language models on any computer with 512MB of RAM. | 在512MB RAM的计算机上探索大型语言模型使用 | |
| ChatGLM-Efficient-Tuning | Fine-tuning ChatGLM-6B with PEFT | 基于 PEFT 的高效 ChatGLM 微调 | |
| 微调中文数据集 COIG | Chinese Open Instruction Generalist (COIG) project aims to maintain a harmless, helpful, and diverse set of Chinese instruction corpora. | 中文开放教学通才(COIG)项目旨在维护一套无害、有用和多样化的中文教学语料库。 | |
| LLaMA-Adapter🚀 | - | 高效微调一个聊天机器人 | |
| ⚡ Lit-LLaMA | - | Lightning-AI 基于nanoGPT的LLaMA语言模型的实现。支持量化，LoRA微调，预训练。 | |
| Intel® Extension for Transformers | ⚡ Build your chatbot within minutes on your favorite device; offer SOTA compression techniques for LLMs; run LLMs efficiently on Intel Platforms⚡ | 在Intel平台上高效运行llm。 | |
| unsloth | Finetune and run open models like Gemma, Qwen, DeepSeek, gpt-oss locally, 2x faster with 70% less memory. | 高效训练、微调与本地运行开源模型（Gemma/Qwen/DeepSeek/gpt-oss 等），速度提升约 2 倍、显存占用降低约 70%。 | |
| DeepSpec | A full-stack codebase for training and evaluating speculative decoding algorithms. | DeepSeek 官方推出的投机解码（speculative decoding）推理加速全栈代码库，涵盖数据准备、草稿模型训练与评测，用于提升大模型推理速度。 | |
| LLaMA-Factory | Unified efficient fine-tuning of 100+ LLMs & VLMs. | 统一高效的大模型微调框架，零代码命令行/WebUI 即可对 100+ 主流 LLM 与多模态模型进行 LoRA/QLoRA、SFT、RLHF、DPO 等训练。 |
更多模型列表
| 名称 | Stars | 简介 | 备注 |
|---|---|---|---|
| 🤖 LLMs: awesome-totally-open-chatgpt | 开源LLMs 收集。 | - | |
| Open LLMs | 开源可商用的大模型。 | - | |
| Awesome-LLM | - | 大型语言模型的论文列表，特别是与 ChatGPT相关的论文，还包含LLM培训框架、部署LLM的工具、关于LLM的课程和教程以及所有公开可用的LLM 权重和 API。 | |
| FindTheChatGPTer | - | 本项目旨在汇总那些ChatGPT的开源平替们，包括文本大模型、多模态大模型等 | |
| LLMsPracticalGuide | 亚马逊科学家杨靖锋等大佬创建的语言大模型实践指南，收集了许多经典的论文、示例和图表，展现了 GPT 这类大模型的发展历程等 | - | |
| awesome-decentralized-llm | 能在本地运行的资源 LLMs。 | - | |
| OpenChatKit | 开源了数据、模型和权重，以及提供训练，微调 LLMs 教程。 | - | |
| Stanford Alpaca | 来自斯坦福，建立并共享一个遵循指令的LLaMA模型。 | - | |
| gpt4all | 基于 LLaMa 的 LLM 助手，提供训练代码、数据和演示，训练一个自己的 AI 助手。 | - | |
| LMFlow | 共建大模型社区，让每个人都训得起大模型。 | - | |
| Alpaca-CoT | Alpaca-CoT项目旨在探究如何更好地通过instruction-tuning的方式来诱导LLM具备类似ChatGPT的交互和instruction-following能力。 | - | |
| OpenFlamingo | OpenFlamingo 是一个用于评估和训练大型多模态模型的开源框架，是 DeepMind Flamingo 模型的开源版本，也是 AI 世界关于大模型进展的一大步。 | 大型多模态模型训练和评估开源框架。 | |
| LLMs-In-China | 中国大模型 | - | |
| Visual OpenLLM | 基于 ChatGLM + Visual ChatGPT + Stable Diffusion, 以交互方式连接不同视觉模型的开源工具。 | - |