最强开源大模型Llama2，性能更进一步~
7B、13B、70B三个版本全都有，均可以直接调用部署。
你可能想不到的是，这波操作还是百度搞出来的。
最新消息，百度智能云千帆大模型平台又双叒升级了，这回还悄然变身国内拥有最多大模型的平台：
不仅能跑文心大模型，Llama2全系列、ChatGLM2-6B、RWKV-4-World、MPT-7B-Instruct、Falcon-7B等共33个大模型也已全面接入。
还都是经过性能、安全双重增强的那种——
通过优化模型吞吐、降低模型尺寸，实测调优后模型体积可压缩至25%-50%，推理成本最多可降低50%。百度智能云还基于自身安全积累，完成了二次安全增强。
于是，一听说千帆大模型平台已经开放申请测试，我们赶紧第一时间上手体验了一把。
有意思的是，我们亲测发现，这波更新之后，用大模型的门槛还肉眼可见越来越低了。
如果你还没搞清楚“千帆大模型平台”究竟是什么，那么可以简单这样理解：
一个支持各种大模型开发部署的“炼丹炉”。
在千帆这个一站式大模型平台上，企业用户可以按照自身的需求，直接把大模型接入自家应用，或者干脆重新训练、调优出一个属于自己的大模型。
正如前文所言，为了满足企业对大模型多样的需求，千帆大模型平台除百度自研的文心大模型外，还支持Llama 2全系列、ChatGLM2-6B、RWKV-4-World、MPT-7B-Instruct、Falcon-7B等33个大模型。
从后台界面可以看出，从数据服务，到大模型训练，再到大模型的评估、测试、部署，千帆都提供了完整的开发和应用工具链。
在“模型仓库”中的预置模型中，可以找到文心大模型、BLOOMZ-7B和此番更新的全部第三方大模型，一键就能开始部署。
辣么问题来了，其中不少都是开源模型，在千帆上调用跟直接拿代码用相比，有啥好处？
直白一点说，就是便宜、易用，“千帆优选”。
首先，在诸多开源大模型中，并不是每一个都效果理想，有可商用协议。而对上线千帆平台的第三方模型，百度都会事先完成测试验证，确保模型在效果、安全性、可商用三个方面的可靠性。
其次，百度会提前对第三方模型进行性能增强。具体而言，是通过优化模型吞吐、降低模型尺寸，实现模型推理速度的大幅提升。
根据百度的测算，调优后模型体积可压缩至25%-50%，推理成本最多可降低50%。
实际上，推理恰恰是大模型应用阶段的算力消耗大户。量子位智库认为，随着大模型训练阶段完成，未来AI服务器的主要需求将向推理侧转移。IDC的预测则显示，到2026年，AIGC的算力62.2%将作用于模型推理。
再者，调用开源模型很大的一个问题就是，在安全合规方面不能满足国内的需求。为此，千帆对第三方大模型做了二次安全增强，接入了百度多年来在安全上的积累。另外百度也保证，客户在千帆上调用第三方模型，享有平台的安全保障。
最后，如果有进一步调优大模型的需求，那么在千帆这样的平台上，各个环节都集成了低门槛工具，上手十分方便，包括数据的标注、处理、回流，SFT（全量参数微调、P-tuning、LoRA）、RLHF等调优方法，以及大模型的评估、压缩、测试、部署等。
此前，百度智能云就曾在技术交流活动中现场上演10分钟微调大模型。
值得一提的是，在此番更新之后，百度智能云还上线了Prompt模板库，长这样：
关注大模型的小伙伴们想来没少听说过“提示工程”这个词。所谓提示（Prompt）工程，就是通过聊天提问的方式，来影响大模型输出内容的质量。
也就是说，只要你的提问技巧够高明，在不耗费大量资源更新模型权重（微调）的情况下，也能让大模型的回答质量更上一层楼。
不过虽说是“聊天”，但针对大模型的提问，那绝对是项技术活儿。吴恩达老师就专门出过有关提示工程的课程。
而千帆平台的这个Prompt模板功能，实际上就是帮你在不熟悉提示工程的情况下，也能快速玩转大模型。
比如让某开源大模型帮忙推荐菜谱。
如果只是告诉它：想吃辣。
生成的回答是这样的：
没什么毛病但有点简略。这个时候就可以一键引用千帆模型库里的“厨师”模板：
就能得到一份更为详细的建议：
目前，千帆共预置了103款Prompt模板，覆盖对话、编程、电商、医疗、游戏、翻译、演讲等十余个场景。
看来，很多问题不是大模型不会，是我问的不对。
待你“参透”这些咒语的通用规律，比如设定角色、细化要求，还可以在千帆上自制模板，方便测试效果和复用。
千帆大模型平台研发团队认为，很多企业使用大模型时，觉得效果不好是模型本身的问题。但其实很多情况下，企业无需花费大量资源调优大模型，基于模板优化Prompt，即可得到满意的模型效果。
工程师们还向我们透露，根据调研，随着大模型能力的逐渐增强，越来越多的中小企业逐渐由监督微调改为直接调用大模型。因此如何通过优化跟大模型对话的方式，让大模型输出更好的内容，其实正是大模型落地探索过程中的一大痛点。
千帆上线海量Prompt模板，实际上就降低了企业应用大模型的门槛。
不难看出，千帆这波大更新，主打的就是一个简单易用。
事实上，当大模型走过最初的技术狂热，真正来到探索应用的阶段，不仅是大模型正在激发全新的应用创新，越来越多传统行业也在积极融入大模型生态。
而在这个过程中，无论是前者还是后者，对于降低大模型的使用门槛，都有着迫切的需求。
千帆工程师也表示，从百度自身的实践上来看，大模型最终要达到好的应用效果，除了基础模型本身的能力之外，更重要的是要“找到场景”。而只有降低门槛，才能让更多专业的人把精力聚焦到对场景的理解和场景的应用之上。
千帆大模型平台，如今正是在这一方向上持续打样。
这一方面是因为百度在打造文心大模型的过程中，对大模型技术本身有更深入的理解。
另一方面，在3月份率先发布国产大语言模型之后，百度是国内“目前接触用户/开发者最多的大语言模型厂商”，手握国内最丰富的大模型客户测试经验，对于行业当下所面临的痛点，有着更明确的认识。
甚至可以说，在国内的一众大模型厂商中，百度无疑拥有从数据，到算力，到算法再到实践经验的最全大模型生成资料。
如今，百度不仅局限于自己打造大模型，还正在把越来越多第三方大模型做进基础设施，并不断降低基础设施的使用门槛。
在搜索时代的“百度一下”，或许也将在大模型时代，通过千帆赋予新的意义——
现在接触大模型，最直接的方式还是：百度一下。
“
