三种方法： 部署属于自己的ChatGPT

共计 1172 个字符，预计需要花费 3 分钟才能阅读完成。

什么? 时至今日你还不知道 ChatGPT 是啥? 好吧，那也没关系，毕竟，OpenAI 把大陆和香港都给封禁了(或者说没有开放服务)，现在很多人也只是通过各种奇技淫巧才能用得上，没听说过也情有可原：)

假如你很想体验一下 ChatGPT，却又不知道怎么打通道、建账号甚至让它 Take your money，那也可以考虑自己建一套(build your own self-hosted chatgpt)，今天，扶墙老师就为大家介绍三种自己搭建自用 ChatGPT 的方法…

1 LLaMA

LLaMA 1 是 Meta 公司 (也就是原 facebook 公司) 开源的大语言模型(LLM, Large Language Model)，社区在其基础之上搞了个项目，叫 dalai 2，让我们可以很方便地就可以进行本地化部署，没有高端 GPU 也没关系，普通笔记本都能跑：

甚至于还有人搞了个项目叫 alpaca-lora 3. 让你在树莓派上都能跑 LLaMA。

但说实话，扶墙老师试过之后，感觉效果上跟真正的 ChatGPT 还是有些差距的。

好在，我们还有第二种方式…

[!NOTE]

LLaMA 一般称之为“美洲鸵”，虽然发音上跟某和尚很相近 –

2 Alpaca

Alpaca 4 是“羊驼”，它是斯坦福大学在 LLaMA 模型基础上结合 175 个指令任务 (instruction tasks) 做 fine-tuning 训练出来的大语言模型：

效果上要比 LLaMA 好很多，但，你懂得，人家是英文语料…

自己部署倒也是简单，开源社区就是这么强大，有人搞了个 alpaca.cpp 5. 单机跑，一点儿问题没有。

3 ChatGLM

ChatGLM 6 是清华大学搞的中英文双语模型，如果说前面都是英文语系的优化，那么 ChatGLM 则是侧重于针对中文预料的训练，在本机跑个低配版本，内存只要 6G 就可以了。

对于中文场景的自部署大语言模型，ChatGLM 绝对值得一试啊!

4 后话

当然，要说效果，其实上面三种模型都不如 ChatGPT，就算是 Google 新出的 Bard，据说也是差强人意，所以，有条件，还是推荐大家首选 ChatGPT，实在被卡脖子了，那自己尝试部署一个属于自己的大语言模型，也是一种不错的选择。

GL & HF

https://github.com/facebookresearch/llama↩︎

https://github.com/cocktailpeanut/dalai, 这个名字起的在大陆有点儿敏感…↩︎

https://github.com/tloen/alpaca-lora↩︎

https://crfm.stanford.edu/2023/03/13/alpaca.html↩︎

https://github.com/antimatter15/alpaca.cpp↩︎

https://github.com/THUDM/ChatGLM-6B↩︎