Skywork

开源中英双语大模型,数据权重全开放,快速训练部署

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 开源模型 🍴 复刻 148 🐛 待处理 18 👀 关注 28
GitHub ↗
GitHub 星标 ★ 1500
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源模型,全部免费,可自行部署使用。

项目预览

Skywork 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类开源模型
开发团队SkyworkAI
定价模式🏷️完全免费
价格说明开源模型,全部免费,可自行部署使用。
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议NOASSERTION
主要语言Python
技术栈/模型llm
GitHub 星标★ 1500
上线时间2023-10-10 00:00:00
代码更新2025-03-07
仓库体积8.5 MB
本站数据更新2026-11-10
维护状态低维护
收录时间2026-08-09
浏览次数4

项目介绍

Skywork 是一个开源的大语言模型系列,由昆仑万维发布,主要面向中文和英文场景。项目在 3.2TB 高质量多语言(中英为主)和代码数据上预训练,并完整开源了模型权重、训练数据、评测数据和评测方法,旨在降低大模型研究和应用的门槛。其核心能力包括:提供不同参数规模的基座模型(如 Skywork-13B),支持中英双语和代码生成,并附带详细的技术报告和训练细节,方便开发者复现和二次开发。项目还提供了模型微调、推理部署的示例代码,帮助用户快速上手。整体上,Skywork 强调数据透明和训练流程的可复现性,适合学术研究、企业私有化部署以及中文 NLP 任务开发。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1500

技术标签

llm

使用教程

⚠ 本教程由 AI 依据该项目 README 整理;原始文档不完整,部分步骤为通用流程推断,实际安装请以项目官方文档为准。

难度:高级 约 60 分钟 部署方式:模型权重 4 步

⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。

环境要求

  • Python 环境(项目开发语言为 Python)
  • 可访问 Hugging Face 或 ModelScope 下载模型权重、配置文件与 tokenizer
  • 具备可运行 13B 规模模型的 GPU 显存,显存不足可选用官方量化版本
  • 遵循开源协议,禁止用于有害用途

安装与启动步骤

  1. 1克隆官方仓库

    把 Skywork 官方代码仓库拉到本地,后续示例代码和文档都在仓库里。README 节选未给出此命令,属于通用准备动作。

    git clone https://github.com/SkyworkAI/Skywork.git
  2. 2创建 Python 环境

    为项目单独建虚拟环境,避免与其他项目的依赖冲突。README 节选未列出具体依赖包,安装依赖请以仓库内说明为准。

    python -m venv venv
  3. 3获取模型权重

    README 明确模型参数、配置文件、tokenizer 已开源于 Hugging Face 与 ModelScope,请到对应页面下载 Skywork-13B 系列权重。

  4. 4按仓库文档加载模型

    README 提到提供推理部署与微调示例代码,但节选未含具体命令与参数,请打开仓库内文档按说明加载权重进行推理。

如何确认成功

README 未提供启动验证方式;可确认权重与配置文件下载完整、Python 环境可正常加载模型。

常见问题

Q:模型权重从哪里下载?

A:README 给出 Hugging Face、ModelScope、Wisemodel 三个官方组织的下载入口,权重、配置文件与 tokenizer 均已开源,任选其一即可。

Q:可以商用吗?

A:可以用于商业用途,但需遵守官方开源协议,且不得从事有害活动。

Q:消费级显卡能跑吗?

A:官方为各模型开源了量化版本,专门支持在消费级 GPU 上部署与推理,全量权重则对显存要求较高。

Q:有哪些可选模型?

A:包括 Skywork-13B-Base、Skywork-13B-Chat、Skywork-13B-Math、Skywork-13B-MM 及各模型的量化版本。

注意事项

  • README 节选未包含任何安装命令,本教程步骤为通用准备动作,confidence 为 low,具体依赖与推理命令请以仓库最新文档为准。
  • 基座模型在 3.2 万亿中英为主的多语言与代码数据上预训练,官方强调数据透明与训练流程可复现。
  • 除模型权重外,官方还开源了训练数据、评测数据与评测方法,并附技术报告可供查阅。

核心亮点

  • 完整开源训练数据和评测方法,便于学术复现
  • 中英双语和代码能力均衡,适合中文场景落地
  • 提供多尺寸模型和微调示例,上手门槛低

不足之处

  • 文档/社区待观察
  • 模型规模相对较小,在复杂推理任务上可能弱于更大模型

适用场景

  • 中文NLP研究与学术实验
  • 企业私有化大模型部署
  • 基于大模型的垂直领域微调

替代项目

ChatGLM、Baichuan、Qwen

上一篇:VibeThinker

下一篇:Taiwan-LLM

同类项目推荐

GPT-Models-Plus 开源

一个脚本搞定 ChatGPT、Claude、Grok 多模型调用

别问我为什么大杂烩放在一块,懒得新建项目

★ 126 2026-08-09
alpamayo 开源

让自动驾驶模型边开车边讲清因果理由

NVIDIA Alpamayo 1 Nano is an open 10B reasoning VLA model for autonomous vehicles th···

★ 2061 2026-09-17
laya 开源

在 Node.js 里本地跑决策模型,无需 Python

Run Laya, the open-source Jev-compatible System-1 decision model, from Node.js / Typ···

★ 1057 2026-10-19
awesome-ai-repositories 开源

一站式找到AI工程师必备的开源项目清单

A curated list of open source repositories for AI Engineers

★ 140 2026-08-09
pytorch-stable-diffusion 开源

手写 Stable Diffusion 源码,从论文到图像生成一步到位

Stable Diffusion implemented from scratch in PyTorch

★ 1086 2026-08-09
Awesome_Multimodel_LLM 开源

一站式收藏多模态大模型资源,快速跟上最新进展

Awesome_Multimodel is a curated GitHub repository that provides a comprehensive coll···

★ 379 2026-08-09
awesome-llm 开源

一份清单,带你快速摸清大模型生态

Awesome series for Large Language Model(LLM)s

★ 88 2026-08-09
Azure-AIGEN-demos 开源

微软官方示例,快速上手 Azure OpenAI 全家桶

Microsoft Foundry (demos, documentation, accelerators).

★ 757 2026-08-09