allamo 是模型训练领域的开源项目，由 chrisociepa 开发，2023 年首次发布。
它收录于模型训练分类，该分类目前共有 530 个项目，GitHub 星标数为 197。
项目目前处于活跃维护状态，最近一次代码更新于 2026-09-26。开源免费，无在线服务。
它主要面向的使用场景是：研究者快速验证新微调方法。同类可对比的替代方案包括 Hugging Face Transformers、LLaMA-Factory。
allamo
轻量可改，小资源也能训模型
allamo 是一个轻量级、可魔改的语言模型训练与微调框架，用 Python 编写，目标是让开发者用更少的代码和更低的资源门槛完成从预训练到指令微调的全流程。它解决的是现有训练框架（如 Hugging Face Trainer、DeepSpeed 集成方案）配置复杂、抽象层过厚、调试困难的问题，核心能力包括：简洁的训练循环、对常见微调范式（SFT、LoRA 等）的支持、易于替换模型结构与数据管道的模块化设计，以及面向单卡或小规模多卡的效率优化。项目当前约 197 星，属于早期阶段，适合想深入理解训练细节、需要快速做实验迭代的研究者与工程师，而不是追求开箱即用的大规模生产方案。
开源
free
模型训练
GitHub 星标
★ 197
维护状态
活跃
是否开源
是
定价模式
free
项目数据
分类模型训练
开发团队chrisociepa
所属国家
定价模式free
价格说明开源免费，无在线服务
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型
GitHub 星标★ 197
30天Star增速
HF 下载量
上线时间2023-03-03 00:00:00
最近更新2026-09-26 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-29
浏览次数0
使用教程
核心亮点
- 代码结构扁平，训练循环可读性强，方便按需替换组件
- 支持微调场景，适合单卡或小规模多卡实验
- 抽象层少，调试和定位训练问题更直接
不足之处
- 项目早期，文档与示例覆盖有限
- 生态和社区规模小，遇到问题可参考的资料少
适用场景
- 研究者快速验证新微调方法
- 个人开发者用小算力做模型实验
- 教学场景中讲解训练流程细节
替代项目
Hugging Face Transformers、LLaMA-Factory
项目介绍
上一篇：lora-speedrun
下一篇：verl-vla
同类项目推荐
Long-RL
开源
让强化学习轻松驾驭超长序列，训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性，长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型，练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型，推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···