开源模型 on AI 观察

用 Ollama 在本地运行大模型：从安装到接入应用的入门教程

Tue, 15 Sep 2026 09:25:03 +0800

想在自己的电脑上运行大模型，不想把数据发给云服务，也不想折腾复杂的环境配置？Ollama 是目前最受欢迎的本地大模型运行工具之一，它把模型下载、量化格式、推理引擎和 API 服务打包在一起，让普通开发者几分钟内就能在笔记本上和开源模型对话，并把它接入自己的程序。

中文开源大模型选型思路：评估维度、测试方法与常见误区

Tue, 25 Aug 2026 19:06:23 +0800

中文场景下可选的开源大模型越来越多，每隔几周就有新模型发布，宣传材料里都是“多项榜单领先”。面对这么多选择，很多团队要么跟风选最热门的，要么在各种排行榜之间反复纠结。真正有效的选型方法，是先根据业务约束筛出少量候选，再用自己的数据做对比测试。 排行榜可以作为参考，但不能代替针对业务的评估。

开放权重不等于开源：大模型“开源”的不同层次与意义

Thu, 20 Aug 2026 10:26:47 +0800

在讨论大模型时，“开源”几乎成了一个被滥用的词。很多被冠以“开源”之名的模型，实际上只是把训练好的权重文件放到网上供人下载。对于传统软件，开源意味着源代码公开、任何人都可以查看、修改和再分发；而对于大模型，“源代码”到底指什么，本身就是一个值得讨论的问题。 理解大模型开放程度的不同层次，有助于更准确地评估一个模型能为你提供什么。

LoRA 微调原理与实践：用少量显存定制大模型

Sun, 16 Aug 2026 11:19:51 +0800

全量微调一个数十亿参数的模型，需要为所有参数保存梯度和优化器状态，显存需求往往是模型本身的数倍，普通团队很难承受。LoRA（Low-Rank Adaptation，低秩适配）的核心思路是：冻结原模型的全部参数，只训练一小组新增的低秩矩阵，用很小的代价实现对模型行为的定向调整。它已经成为开源社区定制模型的事实标准。

开源大模型许可证解读：商用前必须看清的关键条款

Sat, 11 Jul 2026 18:33:20 +0800

选择开源大模型时，大家通常关注效果、速度和硬件需求，却很少有人认真读许可证。“开源”两个字并不等于“可以随便商用”。 不同模型的许可证差异很大：有的采用传统的宽松开源许可证，有的是厂商自定义的社区许可证，附带用户规模限制、用途限制或其他义务。一旦在产品中使用了不合规的模型，后续的整改和法律风险可能代价高昂。（本文不构成法律意见，重要决策请咨询专业律师。）