一分钟部署 Llama3 中文大模型，没别的，就是快

前段时间百度创始人李彦宏信誓旦旦地说开源大模型会越来越落后，闭源模型会持续领先。随后小扎同学就给了他当头一棒，向他展示了什么叫做顶级开源大模型。

美国当地时间4月18日，Meta 在官网上发布了两款开源大模型，参数分别达到 80 亿 (8B) 和 700 亿 (70B)，是目前同体量下性能最好的开源模型，而且直接逼近了一线顶级商业模型 GPT-4 和 Claude3。

与此同时，还有一个 400B 的超大杯模型还在路上，估计很快就会放出来，到时候就真的碾压了，某些声称闭源遥遥领先的哥们就等着哭吧

虽然才过去短短几日，Huggingface 上已经涌现了非常多的 Llama3 中文微调版，令人眼花缭乱：

想不想自己也部署一个 Llama3 中文版？

对于没有 GPU 的同学，我们可以使用微调的量化模型来使用 CPU 运行。不同的量化方法会带来不同的性能损失：

1. 8bit 量化没有性能损失。
2. AWQ 4bit 量化对 8B 模型来说有 2%性能损失，对 70B 模型只有 0.05%性能损失。
3. 参数越大的模型，低 bit 量化损失越低。AWQ 3bit 70B 也只有 2.7%性能损失，完全可接受。

综合来说，如果追求无任何性能损失，8B 模型用 8bit 量化，70B 模型用 4bit 量化。

如果能接受 2-3%损失，8B 模型用 4bit 量化，70B 模型用 3bit 量化。

目前效果最好的中文微调版是 HuggingFace 社区的 zhouzr/Llama3-8B-Chinese-Chat-GGUF 模型，该模型采用 firefly-train-1.1M、moss-003-sft-data、school_math_0.25M、弱智吧（没错，就是那个弱智吧~）数据集，使模型能够使用中文回答用户的提问。

下面我们来看看如何在三分钟内快速部署这个模型吧。

直接在浏览器中打开以下链接：

• https://bja.sealos.run/?openapp=system-template%3FtemplateName%3Dllama3-8b-chinese

然后点击右上角的「去 Sealos 部署」。

如果您是第一次使用 Sealos，则需要注册登录 Sealos 公有云账号，登录之后会立即跳转到模板的部署页面。

跳转进来之后，点击右上角的「部署应用」开始部署，部署完成后，直接点击应用的「详情」进入该应用的详情页面。

等待实例状态变成 running 之后，Llama3 中文版模型就部署好了，默认会提供一个与 OpenAI 官方接口对齐的 API，你可以打开终端直接通过 API 来测试。我框出来的部分就是该模型 API 在 Sealos 集群的内网地址，你可以点击它直接复制。

为了更直观地使用，我们可以选择再部署一个 WebUI，Lobe Chat、ChatGPT Next Web 这些都可以使用，本文以 Lobe Chat 为例，直接在浏览器打开以下链接：

• https://bja.sealos.run/?openapp=system-template%3FtemplateName%3Dlobe-chat

需要填写三个变量的值，如下图所示：

• OPENAI_PROXY_URL 的值就是我们刚刚复制的内网 API 接口地址，记得要在末尾加上 /v1。
• OPENAI_MODEL_LIST 的值是 +Llama3-8B-Chinese-Chat.q4_k_m.GGUF。
• OPENAI_API_KEY 的值随便瞎写一个就行。

然后点击右上角的「部署应用」，部署完成后，直接点击应用的「详情」进入该应用的详情页面，等待实例状态变成 running 之后，点击外网地址即可打开 Lobe Chat 的可视化界面。

进来之后，先点击顶部的 gpt-3.5-turbo：

在弹出来的下拉框中点击「Llama3-8B-Chinese-Chat.q4_k_m.GGUF」，切换到该模型。

现在就可以和模型愉快地对话了，先来个弱智吧的问题尝尝咸淡：

再来试试 GPT-4 专用测试问题：

数学能力测试：

？？？

这个应用模板默认只给了 8核 CPU，而且都没跑满，效果肯定还是不如 GPU 的。有条件的同学可以直接用 GPU 部署 70B 的模型。