前文
llama3.1 强势来袭，我也是第一时间就下载使用了，下面给各位领导汇报一下最新的成果和使用体验感受。下面是官方的性能图，请欣赏开源的强大力量，闭源估计在瑟瑟发抖。
准备
因为我是第一天就直接使用，在 huggingface llama3.1 上面的模型还没法直接使用，需要提交申请，只有通过之后才能使用，我这里已经过去两天了还没有任何消息，果断放弃了。
现在最方便的是使用 Ollama 框架平台来拉取 llama 3.1 的模型，分别有 8B 、70B、405B ，我这里的硬件只能支撑 8B 。首先你要先保证安装好 Ollama ，如果不会可以看我这个教程 ，包教包会。然后在命令行使用下面的命令拉取模型。
ollama run llama3.1
如果拉取成功，我们可以通过下面的命令看到本地的模型列表。
ollama list
然后我们通过命令 ollama ps 查看模型是否已经运行，如果没有运行起来我们使用下面的代码运行模型。
ollama run llama3.1
到此为止原始的 llama3.1-8b 的模型已经运行起来了，显存占 7G 左右，正常情况命令行就可以进行互动交流，让我们看下效果吧。
llama3.1-8B 效果展示
回答的速度相当快，简单的互动都可以完成。
询问有难度的问题也可以快速响应，效果符合预期。
llama3.1-8B 缺点
在和业内人士交流的时候发现这个模型对于中文其实还不友好，有时候会出现乱答甚至不答的情况，所以为了能更好支持中文任务，我找到了经过中文微调数据的模型 Llama-3.1-8B 中文 DPO 模型 开始部署使用。
准备 Llama-3.1-8B 中文 DPO 模型
其实就是直接去官方页面 把所有文件都下载下来就可以了。不得不感叹开源的力量，真的是太大了，时隔一天就能出来微调版本，我相信后面应该还能继续出来效果更好适合中文的模型。
体验 Llama-3.1-8B 中文 DPO 模型
因为之前我自己搭了一个开源的大模型
聊天界面，所以我直接就使用自己的这个工具进行聊天，如果想学习的同学可以看我这篇教程。我将自己下载好的模型放到 text-generation-webui\models 目录之下。如果你已经安装好，那么使用下面的命令启动即可：
python .\server.py
启动成功之后，直接访问下面的页面：
http://127.0.0.1:7860
接下来我们还要做一下简单的配置，就是下图所示的几个步骤：
- 切换到
Model页面 - 选择我们自己的模型
llama3.1-8B-Chinese-Instruct-DPO - 点击
Load按钮加载模型 - 如果显示
Successfully就说明成功了，成功跑起来大约需要16G的显存。
然后切换到 Chat 页面就可以进行对话了，我直接问的就是比较有难度的业务问题，看起来回答的也比较符合预期。
总结
- 开源的力量是越来越强大，
Meta这条路子总算是走对了，未来LLAMA成为大模型一个指日可待，干翻闭源模型也指日可待。 - 其实不管怎么说
8B的模型大小也就是能随便玩玩，想正式进入商用阶段还得使用70B、甚至405B，如果真的有一天8B的模型能够商用，也就是小模型能在消费级显卡上面支持商用，那真的是人工智能的到来之日。 - 就在发文的功夫，最强开源的位置易主了，已经是
Mistral Large 2，LLAMA3.1的霸主之位只坐了一天，再次感叹开源力量，太卷了。
