自从OpenAI的ChatGPT横空出世以来，国内外各类大语言模型（LLM）层出不穷，其中不乏Google的Gemini、Claude、文心一言等等。相较于竞争激烈的商业模型赛道，以Llama为代表的开源大模型的进步速度也十分惊人。
伴随着大语言模型的百花齐放，如何评价一个模型的各项指标与综合能力成了新的问题，其中大规模多任务语言理解（MMLU-Massive Multitask Language Understanding）是评估语言模型能力最常用和权威的基准之一，它由约 16,000 个多项选择题组成，涵盖数学、哲学、法律和医学等 57 个学科。
在最新的以MMLU为基准的大语言模型排行榜上，国产的开源大模型通义千问Qwen2和零一万物Yi-Large在与Claude3、ChatGPT4o、Gemini等商业模型的竞争中不遑多让，名列前茅。
通常情况下我们都是在线使用大语言模型，难免会遇到网络不便、账号受限等问题，既然国产开源大模型已经有了如此强大的性能，能否将其部署在本地来使用呢？
答案是可以的，而且对计算机配置的需求比各位想象的低很多。
本地大模型框架ollama介绍
既然想要在本地计算机或服务器配置大模型，就不得不提到一个神器 --- Ollama
Ollama是一个开源框架，专门设计用于在本地运行大型语言模型。 它的主要特点是将模型权重、配置和数据捆绑到一个包中，从而优化了设置和配置细节，包括GPU使用情况，简化了在本地运行大型模型的过程。
Ollama一开始仅支持macOS和Linux操作系统，近期也推出了支持Windows系统的预览版。
这里以Windows系统为例，首先在官网或GitHub下载并安装Ollama，注意系统版本要求Windows 10及以上
下载完成后进行安装
ollama没有GUI，安装完成后需要在PowerShell或命令行进行使用。
在PowerShell运行命令：ollama help将显示 Ollama 中的可用命令。
通过输入"ollama + 可用命令"即可对ollama进行操作，例如：
ollama list：显示模型列表。ollama show：显示模型的信息ollama pull：拉取模型ollama push：推送模型ollama cp：拷贝一个模型ollama rm：删除一个模型ollama run：运行一个模型
安装并运行本地模型
完成ollama的安装并熟悉了基本操作后，可以开始安装所需的模型了。
在ollama官方网站的模型页面可以浏览支持的开源模型列表。
这里选择国产qwen2模型，ollama支持0.5b、1.5b、7b、72b四种参数规模（b即billion，十亿参数量），可根据个人硬件配置与存储空间进行选择，经过实测，拥有NVidia独显的笔记本电脑完全可以跑的动7b模型。
硬件需求：
- RAM： 7B模型推荐16GB，70B需要64GB或更多。
- GPU： 具有至少8GB 显存的GPU，最好是支持CUDA的NVIDIA GPU。
在下图标记1出选择对应参数的模型，标记2处会自动切换至该模型的安装命令，复制命令并在PowerShell中运行即可进行下载安装。
这里选择安装qwen2:7b模型。
模型文件的保存路径为：
C:\Users\"你的用户名"\.ollama\models\安装完成后即可进行对话。
在每次使用前请先确认ollama服务已经开启，可在开始菜单启动ollama或创建快捷方式，ollama启动后会在系统任务栏显示图标。
接着在PowerShell通过ollama run qwen2启动模型。
进阶使用方法
很显然，通过PowerShell与本地大模型进行对话不是那么的方便，ollama支持很多桌面客户端通过端口进行调用，其默认使用11434端口，可通过 http://localhost:11434 访问。
聊天对话推荐使用chatbox，可实现无需部署，开箱即用，内置大量prompt可以最大程度的发挥模型的能力。
翻译、润色、总结等功能推荐使用OpenAI Translator，其最初是ChatGPT API 的划词翻译浏览器插件和跨平台桌面端应用，但目前同样支持ollama的本地模型。
总结
ollama不仅可以让我们在本地随时随地使用大语言模型不受网络、账户等限制，同时可以利用ollama提供的api接口开发基于各类大语言模型的应用与服务，并且ollama支持安装多个模型，方便我们进行对比和使用。
ollama的特点可以总结为：
- 开源：开源推动项目的持续发展。
- 开箱即用：一条命令的方式，简化了大量的工作，降低了门槛。
- 可扩展：可以和很多工具进行集成使用，有更多的玩法。
- 轻量化：不需要太多的资源，个人电脑完全可以胜任。