第381期：二、林俊暘的發言

4、千問是怎麼開源的千問的開源模型比較多，很多人問這是爲什麼？這起源於2023年8月3日，我們開源了一個小模型，它是我們內部用來做實驗的 1.8B 模型。我們做預訓練，資源畢竟有限，你做實驗的話不能通通用 7B 的模型來驗，就拿 1.8B 的來驗。

當時我的師弟跟我說，我們要把這個模型開源出去。我非常不理解，我說這個模型在2023年幾乎是一個不可用的狀態，爲什麼要開源出去？他跟我說 7B 很消耗機器資源，很多碩士生和博士生沒有機器資源做實驗，如果 1.8B 開源出去的話，很多同學就有機會畢業了，這是很好的初心。

幹着幹着，手機廠商跑來跟我們說 7B 太大，1.8B 太小，能不能給我們幹一個 3B 或 4B 的，這個容易，沒有什麼很難的事情。一路幹下來，型號類型越來越多，跟服務大家多多少少有一點關係。5、我們的追求是多模態模型我們自己內心追求的，不僅僅是服務開發者或者服務科研人員，而是能不能做一個 Multimodal Foundation Agent（多模態基礎智能體）。

我特別相信這件事情，2023年的時候大模型是一個大家都不要的東西，多多少少有那麼幾分大鍊鋼鐵的成分，多模態是我們從那時就一直想做的事情。

爲什麼呢？我們覺得如果你想做一個智能的東西，天然的應該是 Multimodal（多模態），當然帶有不同看法，各個學者都有一些看法，多模態能不能驅動智力的問題。我懶得吵這個架，人有眼睛和耳朵可以做更多的事情，我更多的考慮是 Foundation（基礎智能體）有更多的生產力，能不能更好地幫助人類，毫無疑問我們應該做視覺，我們應該做語音。

更進一步，我們要做什麼東西呢？Omni 的模型（全模態模型）不僅僅是能夠理解文本、視覺、音頻，我們可能還讓它生成文本、音頻。今天我們已經做到了，但是我們還沒有做到把視覺生成結合在一起。如果做到三進三出，我覺得至少是我個人喜歡的東西。

來源｜阮一峯科技愛好者週刊第 381 期，