今天用了一个超级好用的Chatgpt模型——ChatGLM，可以很方便的本地部署，而且效最新中文的telegram的下载网址在哪里果嘎嘎好，经测试，效果基本可以平替内测版的文心一言。
目录telegram中文版的下载网站在哪里
一、什么是ChatGLM？
二、本地部署
2.1 模型下载
2.2 模型部署
2.3 模型运行
2.3.1 直接在命令行中输入进行问答
2.3.2 利用 gradio 库生成问答网页
三、模型与ChatGPT和GPT4AII 效果对比
3.1 ChatGLM
3.2 ChatGPT
3.3 GPT4AII
四、总结
ChatGLM-6B 是一个开源的、支持中英双语的对话语言模型，基于 General Language Model 架构，具有 62 亿参数。结合模型量化技术，用户可以在消费级的显卡上进行本地部署（INT4 量化级别下最低只需 6GB 显存）。 ChatGLM-6B 使用了和 ChatGPT 相似的技术，针对中文问答和对话进行了优化。经过约 1T 标识符的中英双语训练，辅以监督微调、反馈自助、人类反馈强化学习等技术的加持，62 亿参数的 ChatGLM-6B 已经能生成相当符合人类偏好的回答。
Demo下载地址：
GitHub – ZhangErling/ChatGLM-6B: 提供Windows部署文档的版本 | ChatGLM-6B：开源双语对话语言模型 | An Open Bilingual Dialogue Language Modeltelegram完整版的下载的入口哪里有
1. 用Pycharm打开项目文件；
2. 使用 pip 安装依赖：，其中 库版本推荐为 ，但理论上不低于 即可；
安装以下依赖包：
pip 直接安装不行就用：
再不行就去Archived: Python Extension Packages for Windows – Christoph Gohlke (uci.edu)
下载相关依赖包的 whl文件，然后在cd 到文件路径下，用pip 安装telegram最新官方下载网站哪里有。
在 …/ChatGLM/ 目录下有两个 demo 代码：
2.3.1 直接在命令行中输入进行问答
（1）修改模型路径。编辑 cli_demo.py 代码，修改 5、6 行的模型文件夹路径，将原始的 “THUDM/ChatGLM-6B” 替换为 “model” 即可。
（2）修改量化版本。如果你的显存大于 14G，则无需量化可以跳过此步骤。如果你的显存只有 6G 或 10G，则需要在第 6 行代码上添加 quantize(4) 或 quantize(8) ，如下：
（3）运行 cli_demo.py
telegram无障碍在哪里 2.3.2 利用 gradio 库生成问答网页
利用 gradio 库生成问答网页（效果如三中所示）。
（1）安装gradio 库：
（2）修改模型路径。编辑 cli_demo.py 代码，修改 5、6 行的模型文件夹路径，将原始的 “THUDM/ChatGLM-6B” 替换为 “model” 即可。
（3）修改量化版本。如果你的显存大于 14G，则无需量化可以跳过此步骤。如果你的显存只有 6G 或 10G，则需要在第 5 行代码上添加 quantize(4) 或 quantize(8) ，如下：
（4）运行 web_demo.py
官方最新版的telegram下载的网站是什么
模型加载过程如下图：
运行完 web_demo.py 结束会自动打开浏览器，显示如下界面，可以进行正常对话，且相应速度非常快。
向 ChatGLM 提问：“蒸1个包子需要10分钟，蒸10个包子需要多久？”，回答非常合理。
向 ChatGPT 提相同的问题：“蒸1个包子需要10分钟，蒸10个包子需要多久？”，回答略显简单。
上一篇博文我们介绍了GPT4ALL，它只能实现英文的对话，用英文提问相关的问题，发现效果不如 ChatGLM 和 ChatGPT 。
ChatGLM 方便部署，且对中文的理解能力很好，它的优点是部署完不用联网，不需要账号登录，非常安全，它的缺点是无法增量学习互联网上最新的信息，知识库扩展需要额外增加训练样本。