搭建一个本地中文大语言模型（LLM）涉及多个关键步骤，从选择模型底座，到运行机器和框架，再到具体的架构实现和训练方式。以下是一个详细的指南，帮助你从零开始构建和运行一个中文大语言模型。

本地离线模型搭建指南将按照以下四个部分展开

1. 中文大语言模型底座选择依据
2. 本地运行显卡选择
3. RAG架构实现
4. LLaMA-Factory训练框架及工具

1 中文大语言模型底座选择依据

在选择中文大语言模型（LLM）的底座时，可以参考以下几个关键因素：

1.1 模型规模与参数

根据具体应用场景选择不同规模的模型。比如：

• ChatGLM系列：包含6B参数的模型，适合中小规模应用，且支持商业用途。
• LLaMA系列：提供7B、8B、13B、33B和70B等多种规模，部分版本可商用。
• Baichuan系列：提供7B和13B参数的模型，适合需要较大规模的应用。
• Qwen系列：提供7B、14B、72B和110B参数的模型，支持较长的上下文长度，适合复杂场景。
• BLOOM：从1B到176B-MT，多种规模选择。
• Aquila系列：包括7B和34B参数版本。
• InternLM系列：从7B到20B参数，支持代码应用。
• Mixtral、Yi、DeepSeek、XVERSE等：提供多种参数规模，适合不同应用需求。

常见底座模型细节概览：

底座	包含模型	模型参数大小	训练token数	训练最大长度	是否可商用
ChatGLM	ChatGLM/2/3 Base&Chat	6B	1T/1.4	2K/32K	可商用
LLaMA	LLaMA/2/3 Base&Chat	7B/8B/13B/33B/70B	1T/2T	2k/4k	部分可商用
Baichuan	Baichuan/2 Base&Chat	7B/13B	1.2T/1.4T	4k	可商用
Qwen	Qwen/1.5 Base&Chat	7B/14B/72B/110B	2.2T/3T	8k/32k	可商用
BLOOM	BLOOM	1B/7B/176B-MT	1.5T	2k	可商用
Aquila	Aquila/2 Base/Chat	7B/34B	-	2k	可商用
InternLM	InternLM/2 Base/Chat/Code	7B/20B	-	200k	可商用
Mixtral	Base&Chat	8x7B	-	32k	可商用
Yi	Base&Chat	6B/9B/34B	3T	200k	可商用
DeepSeek	Base&Chat	1.3B/7B/33B/67B	-	4k	可商用
XVERSE	Base&Chat	7B/13B/65B/A4.2B	2.6T/3.2T	8k/16k/256k	可商用

1.2 训练数据与Token数

不同模型经过不同规模的数据训练，影响其在特定任务上的表现：

• ChatGLM：经过1到1.4T的中英文标识符训练，适合中文问答和对话。
• LLaMA：经过1T到2T的训练。
• Baichuan：训练数据在1.2T到1.4T之间。
• Qwen：训练数据量高达2.2T到3T，支持复杂任务。
• BLOOM：经过1.5T的训练。
• XVERSE：训练数据量达2.6T到3.2T。

1.3 上下文长度支持

根据应用需求选择支持较长上下文长度的模型：

• ChatGLM2-6B：上下文长度扩展到32K。
• Qwen：支持8K到32K的上下文长度。
• Mixtral、Yi、DeepSeek：支持200k到256k的上下文长度。

1.4 商业用途许可

确保所选模型允许商业用途：

• ChatGLM、LLaMA、Baichuan、Qwen、BLOOM、Aquila、InternLM、Mixtral、Yi、DeepSeek、XVERSE等模型均允许商业用途。

1.5 垂直领域微调与应用

考虑模型在特定领域的微调效果：

• 医疗、法律、金融、教育、科技、电商、网络安全、农业等领域的垂直应用。

1.6 具体模型推荐

以下是一些具体的模型推荐及其特点：

• ChatGLM系列：适合中文问答和对话，经过中英文双语训练，支持商业用途。
• LLaMA系列：提供多种规模，部分版本适合商用。
• Baichuan系列：适合需要较大规模训练的应用。
• Qwen系列：支持复杂任务和长上下文长度。
• InternLM系列：适合代码相关应用。

更多详细信息和具体模型的链接，请访问 Awesome-Chinese-LLM 项目。

下一篇介绍
本地离线模型搭建指南-本地运行显卡选择