Ollama Chat 模型

Ollama 应用实践：如何选择合适的 Chat 模型 ？

选择合适的聊天模型（Chat model）对于确保对话系统的性能和适用性至关重要。Ollama 提供了多种 Chat 模型，每种模型都有其特点和最佳使用场景。以下是一些关键因素，可以帮助您在使用 Ollama 时做出选择：

1. 应用场景和需求识别

• 评估您的对话系统是否需要处理特定主题或行业术语。
• 确定是否需要多语言支持，以及这些语言的对话复杂性。

2. 模型规模与资源匹配

• 根据可用的计算资源，选择合适大小的模型，平衡性能和资源消耗。
• 考虑模型的上下文窗口大小，确保它能够处理预期的对话深度和长度。

3. 性能与优化

• 查看模型的性能评估和基准测试结果，了解其在类似应用场景中的表现。
• 选择针对对话任务优化过的模型，特别是那些经过特定场景微调的版本。

4. 法律与伦理合规性

• 确保所选模型的使用遵守数据保护法规和伦理准则。
• 考虑模型可能产生的偏见和误解，并选择那些注重公平性和透明度的模型。

5. 社区支持与文档完善度

• 选择有活跃社区支持的模型，这通常意味着更好的问题解决和资源共享。
• 确保模型有详尽的文档，包括安装指南、使用案例和API参考。

通过考虑这些因素，您可以确保选择的模型不仅满足当前的技术需求，而且也符合长期的业务和合规要求。记住，最合适的模型不一定是最大的模型，而是最符合您特定需求的模型。

推荐的 Chat 模型

Ollama Chat 模型是一个基于大型语言模型的对话系统，支持对话问答、文本生成等功能。

DeepSeek-V2

DeepSeek-V2 是一种强大的混合专家 (MoE) 语言模型，具有经济的训练和高效的推理特点。

• 文档地址：https://ollama.com/library/deepseek-v2

注：此模型为中英文双语。

该模型有两种尺寸：

• 16B Lite：ollama run deepseek-v2:16b
• 236B：ollama run deepseek-v2:236b

Llama 3.1

Llama 3.1 是 Meta 推出的一款新型先进模型，有 8B、70B 和 405B 参数尺寸可供选择。

• 文档地址：https://ollama.com/library/llama3.1

ollama run llama3.1

Llama 3

Meta Llama 3 是 Meta Inc. 开发的一系列模型，是最新推出的先进模型，具有8B和70B两种参数大小（预训练或指令调整）。

Llama 3 指令调整模型针对对话/聊天用例进行了微调和优化，并且在常见基准测试中胜过许多可用的开源聊天模型。

• 文档地址：https://ollama.com/library/llama3

模型变体

Instruct 是针对聊天/对话场景进行了fine-tuned。

ollama run llama3
ollama run llama3:70b

Pre-trained 的是基础模型。

ollama run llama3:text
ollama run llama3:70b-text

注意: 安装 ollama run llama3 将下载一个 4.7GB 的 docker 镜像。

Mistral NeMo

Mistral NeMo 是由 Mistral AI 与 NVIDIA 合作构建的最先进的 12B 模型。Mistral NeMo 提供高达 128k 个 token 的大型上下文窗口。其推理、世界知识和编码准确性在同类规模中处于领先地位。由于它依赖于标准架构，Mistral NeMo 易于使用，并且是使用 Mistral 7B 的任何系统中的直接替代品。

• 文档地址：https://ollama.com/library/mistral-nemo

ollama run mistral-nemo

Mistral Large 2

Mistral Large 2 是 Mistral 的新旗舰型号，其代码生成、数学和推理能力显著增强，具有 128k 上下文窗口并支持数十种语言。

Mistral-Large-Instruct-2407 是一种先进的密集大型语言模型 (LLM)，具有 123B 参数和最先进的推理、知识和编码能力。

主要特征

• 多语言设计：支持数十种语言，包括英语、法语、德语、西班牙语、意大利语、中文、日语、韩语、葡萄牙语、荷兰语和波兰语。

• 精通编码：接受过 80 多种编码语言的培训，例如 Python、Java、C、C++、JavacScript 和 Bash。还接受过更具体的语言的培训，例如 Swift 和 Fortran。

• 以代理为中心：具有本机函数调用和 JSON 输出的最佳代理功能。

• 高级推理：最先进的数学和推理能力。

• Mistral 研究许可证：允许出于研究和非商业用途的使用和修改。

• 大上下文：一个大的 128k 上下文窗口。

• 文档地址：https://ollama.com/library/mistral-large

ollama run mistral-large

GLM-4

GLM-4-9B 是智谱 AI 推出的最新一代预训练模型 GLM-4 系列中的开源版本。在语义、数学、推理、代码和知识等多方面的数据集测评中，GLM-4-9B 及其人类偏好对齐的版本 GLM-4-9B-Chat 均表现出超越 Llama-3-8B 的卓越性能。除了能进行多轮对话，GLM-4-9B-Chat 还具备网页浏览、代码执行、自定义工具调用（Function Call）和长文本推理（支持最大 128K 上下文）等高级功能。本代模型增加了多语言支持，支持包括日语，韩语，德语在内的 26 种语言。我们还推出了支持 1M 上下文长度（约 200 万中文字符）的 GLM-4-9B-Chat-1M 模型和基于 GLM-4-9B 的多模态模型 GLM-4V-9B。GLM-4V-9B 具备 1120 * 1120 高分辨率下的中英双语多轮对话能力，在中英文综合能力、感知推理、文字识别、图表理解等多方面多模态评测中，GLM-4V-9B 表现出超越 GPT-4-turbo-2024-04-09、Gemini1.0 Pro、Qwen-VL-Max 和 Claude 3 Opus 的卓越性能。

• 文档地址：https://ollama.com/library/glm4

ollama run glm4

Google Gemma 2

Google 的 Gemma 2 型号有两种尺寸：9B 和 27B，采用全新的架构设计，可实现一流的性能和效率。

• 文档地址：https://ollama.com/library/gemma2

一流的性能

Gemma 2 拥有 270 亿个参数，其性能在基准测试中超越了比其规模大两倍的模型。这一突破性的效率为开放模型领域树立了新标准。

两种尺寸：9B 和 27B 参数

• 9B 参数：ollama run gemma2
• 27B 参数：ollama run gemma2:27b

Google Gemma

Gemma 是 Google 及其 DeepMind 团队开发的一种新开放模型。其灵感来自 Google 的 Gemini 模型。

Gemma 有两种2b尺寸7b：

• ollama run gemma:2b
• ollama run gemma:7b（默认）

文档地址：https://ollama.com/library/gemma

ollama run gemma:2b

Phi-3

Phi-3 是微软推出的轻量级 3B（迷你）和 14B（中型）先进开放模型系列。

文档地址：https://ollama.com/library/phi3

参数大小

• Phi-3 Mini – 3B 参数 – ollama run phi3:mini
• Phi-3 Medium – 14B 参数 – ollama run phi3:medium

Phi-3 Mini

Phi-3 Mini 是一个拥有 38 亿参数的轻量级、最先进的开放模型，使用 Phi-3 数据集进行训练，该数据集包含合成数据和经过过滤的公开网站数据，重点关注高质量和推理密集属性。

该模型经历了后期训练过程，结合了监督微调和直接偏好优化，以确保精确遵守指令和强有力的安全措施。

在根据常识、语言理解、数学、代码、长上下文和逻辑推理的基准测试进行评估时，Phi-3 Mini-4K-Instruct 在参数少于 130 亿的模型中展现出了强大且最先进的性能。

ollama run phi3:mini

Phi-3 Medium

Phi-3 Medium 是一个 14B 参数语言模型，其性能优于 Gemini 1.0 Pro。

ollama run phi3:medium

Qwen2

Qwen2 是阿里巴巴集团推出的全新系列大型语言模型。
Qwen2基于29 种语言的数据进行训练，包括英语和中文。

• 文档地址：https://ollama.com/library/qwen2

它有 4 种参数大小：0.5B、1.5B、7B、72B。
在 7B 和 72B 模型中，上下文长度已扩展至128k 个 token。

注意: 安装 ollama run qwen2 将下载一个 4.4GB 的 docker 镜像。