前段时间有一个号称是「Llama3-120b」的神秘大模型火了起来，原因在于它表现太过出色了，可以轻松击败GPT-4、gpt2-chatbot。但实际上Llama 3首发阵容里并没有120B的模型。

经过网友的深扒，发现其竟然是使用MergeKit制作，将Meta官方LIama3 70B模型合并（Self-Merge）。

MergeKit是专门用来合并预训练模型的工具包，合并可以完全在 CPU 上运行，也可以使用低至8GB的VRAM进行加速。在GitHub上已经收获3.6k星。

目前支持Llama、Mistral、GPT-NeoX、StableLM 等模型。

【一一AGI大模型学习 所有资源获取处一一】

①人工智能/大模型学习路线

②AI产品经理入门指南

③大模型方向必读书籍PDF版

④超详细海量大模型实战项目

⑤LLM大模型系统学习教程

⑥640套-AI大模型报告合集

⑦从0-1入门大模型教程视频

⑧AGI大模型技术公开课名额

Llama3-12B

基于这个缝合大模型的思路，网友又陆续发布了Llama3-12B，其中还包括了中文微调的12B模型。

信息显示，wwe180/Llama3-12B-Chinese-lingyang是使用mergekit创建的预训练语言模型的合并得到。该模型以hfl/llama-3-chinese-8b-instruct-v2为基础，采用直通合并方法进行合并。

合并的YAML配置如下：

slices:  
  - sources:  
      - model: "hfl/llama-3-chinese-8b-instruct-v2"  
        layer_range: [0, 10]  
  - sources:  
      - model: "hfl/llama-3-chinese-8b-instruct-v2"  
        layer_range: [7, 17]  
  - sources:  
      - model: "hfl/llama-3-chinese-8b-instruct-v2"  
        layer_range: [13, 23]  
  - sources:  
      - model: "hfl/llama-3-chinese-8b-instruct-v2"  
        layer_range: [18, 28]  
  - sources:  
      - model: "hfl/llama-3-chinese-8b-instruct-v2"  
        layer_range: [22, 32]  
  
merge_method: passthrough  
base_model: "hfl/llama-3-chinese-8b-instruct-v2"  
dtype: bfloat16

此外，网友还开源了GGUF模型，这样我们就可以使用ollama进行部署了。

使用ollama部署

1、下载llama3-13b-chinese-lingyang.Q6_K.gguf模型。

下载地址:  
https://huggingface.co/wwe180/Llama3-12B-Chinese-lingyang-Q6_K-GGUF

2、创建一个名为 Modelfile 的文件，并使用 FROM 指令，填写的模型的本地文件路径和必要的配置。

FROM ./llama3-13b-chinese-lingyang.Q6_K.gguf  
  
TEMPLATE """  
{{ if .System }}<|start_header_id|>system<|end_header_id|>  
{{ .System }}<|eot_id|>{{ end }}{{ if .Prompt }}<|start_header_id|>user<|end_header_id|>  
{{ .Prompt }}<|eot_id|>{{ end }}<|start_header_id|>assistant<|end_header_id|>  
{{ .Response }}<|eot_id|>  
"""  
  
PARAMETER stop "<|start_header_id|>"  
PARAMETER stop "<|end_header_id|>"  
PARAMETER stop "<|eot_id|>"

3、执行ollama create llama3:12b -f Modelfile，在Ollama中创建模型

4、执行ollama list验证是否创建成功

大家可以自己实际去试一下效果。

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓