LLaMA
Meta开源的大语言模型系列，模型权重公开，是Meta AI技术栈的底层基础之一
核心事实
时间轴 (近 90 天)
Meta的LLaMA系列、Mistral等开源模型的权重可被任何人下载、修改和部署
DeepSeek、LLaMA（Meta）、Mistral 都是开源模型，而 ChatGPT（OpenAI）、Claude（Anthropic）是不公开模型权重的闭源模型
llama.cpp 让 Meta 的 LLaMA 模型能够在普通的 MacBook 上运行，甚至在树莓派上也能运行
llama.cpp 用纯 C/C++ 实现了 LLaMA 模型的推理过程，摆脱了对 Python 和深度学习框架的依赖
Meta在大语言模型领域最具代表性的系列是LLaMA，目前已至LLaMA 3
Model-agnostic 设计通过在应用层对底层模型接口做统一抽象，使切换 OpenAI、Anthropic、本地开源模型（如 LLaMA、Mistral）只需更改配置
LLaMA、Mistral、Qwen 等主流开源模型均采用 RoPE 位置编码
Ollama可用的开源本地部署模型包括Google的Gemma系列、Meta的Llama系列、Mistral系列和阿里的Qwen系列
Llama 系列是 Meta 开源的基础模型
Hugging Face的Transformers库提供统一API接口来加载和使用各种预训练模型如BERT、GPT、LLaMA、ChatGLM
还有 38 条时间轴事件
全部知识事实 (20)
Notable examples of Large Language Models include OpenAI's GPT series, Google's Gemini, Anthropic's Claude, and Meta's LLaMA.
80%已验证llama.cpp是由开发者Georgi Gerganov于2023年发起的开源项目，使用纯C/C++实现了LLaMA系列模型的推理
80%已验证当前所有主流大模型（GPT、BERT、LLaMA等）都基于Transformer架构
80%已验证RoPE（旋转位置编码）由苏剑林在2021年提出，其核心思想是将位置信息编码为向量空间中的旋转操作
75%已验证Meta于2023年发布LLaMA系列模型，随后Mistral、Qwen、DeepSeek等相继跟进形成开源生态
70%已验证GPT-4系列采用cl100k_base词表（约10万词元），GPT-4o系列升级至o200k_base（约20万词元）
65%已验证Meta于2023年发布Llama系列模型并开放商业使用授权
65%待验证Typical examples of GPAI models include OpenAI's GPT series, Google's Gemini, Anthropic's Claude, and Meta's LLaMA
90%待验证The LLaMA series of open-source models starts at 7B parameters
85%待验证开源模型与闭源模型在代码能力上的性能差距正在被迅速缩小
80%待验证Meta的LLaMA系列、Mistral等开源模型的权重可被任何人下载、修改和部署
50%待验证DeepSeek、LLaMA（Meta）、Mistral 都是开源模型，而 ChatGPT（OpenAI）、Claude（Anthropic）是不公开模型权重的闭源模型
50%待验证llama.cpp 让 Meta 的 LLaMA 模型能够在普通的 MacBook 上运行，甚至在树莓派上也能运行
50%待验证llama.cpp 用纯 C/C++ 实现了 LLaMA 模型的推理过程，摆脱了对 Python 和深度学习框架的依赖
50%待验证Meta在大语言模型领域最具代表性的系列是LLaMA，目前已至LLaMA 3
50%待验证Model-agnostic 设计通过在应用层对底层模型接口做统一抽象，使切换 OpenAI、Anthropic、本地开源模型（如 LLaMA、Mistral）只需更改配置
50%待验证LLaMA、Mistral、Qwen 等主流开源模型均采用 RoPE 位置编码
50%待验证Ollama可用的开源本地部署模型包括Google的Gemma系列、Meta的Llama系列、Mistral系列和阿里的Qwen系列
50%待验证Llama 系列是 Meta 开源的基础模型
50%待验证Hugging Face的Transformers库提供统一API接口来加载和使用各种预训练模型如BERT、GPT、LLaMA、ChatGLM
50%