中文大模型开源选型Awesome-Chinese-LLM【免费下载链接】Awesome-Chinese-LLM整理开源的中文大语言模型以规模较小、可私有化部署、训练成本较低的模型为主包括底座模型垂直领域微调及应用数据集与教程等。项目地址: https://gitcode.com/GitHub_Trending/aw/Awesome-Chinese-LLMAwesome-Chinese-LLM 是一份中文大语言模型LLM开源资源的精选清单以规模较小、可私有化部署、训练成本较低的模型为主把底座模型、垂直领域微调与应用、数据集、训练与推理框架整理成一份目录。挑底座模型做微调、找中文 SFT 数据集、组装部署方案都可以从这里入手。三个典型使用场景仓库里没有可运行的代码入口就是这份清单最常用的三条路径是挑底座模型做微调。输入你的硬件上限和商用许可要求输出两三个候选底座模型。README 的底座模型概览表列出 12 个底座ChatGLM、Qwen、Baichuan、DeepSeek 等的参数规模、训练 token 数、最大上下文和可商用情况。例如你打算用单张 3090 微调 7B 级模型并希望商用ChatGLM2-6B32K 上下文、可商用和 Baichuan2-7B 会是首批候选。找垂直领域模型和数据集。输入医疗、法律、金融、教育这类业务关键词输出对应领域的微调模型清单、指令数据集和评测基准每条都带仓库链接。以医疗为例可以查到 DoctorGLM、ShenNong-TCM-LLM 等 19 个模型以及 Huatuo-26M2600 万医疗问答对这类数据集和 PromptCBLUE 医疗评测基准。组装训练与部署链路。输入你卡住的环节微调、高吞吐服务、端侧、评测输出带取舍说明的框架候选。例如 vLLM 吞吐量比 Transformers 高 14-24 倍但对 LoRA 等适配器支持不友好LMDeploy 则主打 4bit 量化推理。读这份清单前要准备什么不需要 Python、GPU 或安装任何依赖纯文档仓库一个能使用 git 的终端clone 约 1 分钟清单条目指向各项目原始仓库核验权重或跑教程需要能访问对应仓库实际微调、推理的硬件要求由你选定的模型决定以该模型原始仓库文档为准clone 并浏览清单git clone https://gitcode.com/GitHub_Trending/aw/Awesome-Chinese-LLM cd Awesome-Chinese-LLM入口是 README.md目录按 8 个大节组织模型文本/多模态、应用垂直微调/LangChain/其他、数据集预训练/SFT/偏好、训练微调框架、推理部署框架、评测、教程、相关仓库。每条资源给出仓库链接、star 数和一句话简介。容易踩的坑把清单当快照别当实时状态。某个模型权重是否还能下载、仓库是否还在维护要以原始仓库为准目标模型发布已久时先确认原始仓库是否已归档。别只看「可商用」一列。LLaMA 系列标注为「部分可商用」各版本许可不同上线前到模型原始仓库核对许可文本。xmind 源文件可以直接导入。doc/ 下有医疗、法律、金融和 LLM 总体四个板块的 xmind 源文件及对应 md导入脑图软件后按分支筛选比在 README 里滚动长列表更快。适合谁不适合谁适合选中文底座模型做 LoRA 微调或私有化部署找中文预训练、SFT、偏好RLHF数据集找中文 LLM 评测基准C-Eval、CMMLU、GAOKAO-Bench 等和中文教程不适合想找现成的训练流水线或一键部署脚本——本仓库没有代码找闭源商用模型 API——清单不收录追最新发布——清单更新依赖维护者和社区 PR非常新的模型建议先到原始出处搜索接下来可以做什么完整目录与逐条简介README.md垂直板块脑图源文件doc/选定目标模型后去它的原始仓库查看权重与训练脚本发现清单未收录的优质资源可以按仓库格式仓库链接、star 数、简介发起 PR 补充【免费下载链接】Awesome-Chinese-LLM整理开源的中文大语言模型以规模较小、可私有化部署、训练成本较低的模型为主包括底座模型垂直领域微调及应用数据集与教程等。项目地址: https://gitcode.com/GitHub_Trending/aw/Awesome-Chinese-LLM创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考