Meta AI 为什么会开源 Llama2 呢?

一方面为了追赶先进，另一方面为了培植生态以及建设标准。

结合最近几天的开源社区观察，和我们的实际实践来看，一个良好、稍先进于过去，但依旧存在较多问题的模型，已经能够激发社区里许多的开源战士一起共建，让社区朝着更好的方向前进了。（结尾附加例子，干说没啥意思）

开源是一种成熟的“破局方案”，尤其是在拉长对阵时间线的长期战役中，过往的一些案例：

• MySQL 对弈 Oracle 部分场景是；
• Chromium 对弈 IE 是；
• Android 对弈 iOS 是；
• Linux 对弈各种其他 OS 也是；
• 现在，Llama2 （开源，可商用大模型标杆）对弈 OpenAI + 一众其他的追赶者亦如是。

有技术储备、有耐心的后发者，对于已经积累了非常深厚优势的先行者，想要超越，首先要无限逼近，将优势缩小：开源，将生态做起来，将标准纳入自己的体系，让社区用户跟着你转，然后拉跑先发优势的其他竞争者的用户。

时间拉长，群雄讨伐董卓，自然会演变为鼎足而立的态势，太阳底下没有新鲜事儿，这样的故事已经发生了足够多次，但依旧会继续发生在开源的世界里。

一旦某种开源软件/生态簇拥者众，即使是早期的有优势的寡头，也会不得不迁就这个开源生态，比如做标准妥协（比如浏览器规范反推 w3，从事实标准改 spec），比如软件协议里单独列出的，大家不得不遵守的某些接口（最容易想到的 Google XXX产品 API、AWS S3），甚至变成其他软件默认实现的协议。

在隔壁偏技术的这个问题里，你能看到：

• 在 LLaMA2 模型发布的第二天，就做了 Docker 支持，老大难的部署问题缓解或部分解决了。
• 同一天，用上了社区的简单粗暴的 SFT 中文版本。
• 过了一天，4BIT 量化版出现了，只需要 5GB 显存就能玩了。
• 又过了一天，可以用 CPU 来做推理了。
• 如果你善于搜索，在这个世界的其他的角落里，你会发现还有其他的玩家也在折腾，用生态集成的方式，或者垂直领域在做 finetune 或 lora 化的应用...

就像是有人撒了一把种子在地上，然后浇了水，气温湿热，种子们蓬勃出土

补一个 CPU 跑的欢脱的视频 demo。

再补一个做基础任务替代的 demo。

再再补一个，如果和 code interpreter style 的工具结合。

再再再补一个，没有 GPU？那就用 CPU 来运行 LLaMA2 模型：

感谢真正的开源模型，让上面的一切都能够发生，并且是快速的发生，快速的演进。