Chinese-LLaMA-Alpaca-3

让 Llama 3 更懂中文，开箱即用

Chinese-LLaMA-Alpaca-3 是基于 Meta Llama 3 开发的中文大语言模型项目，旨在解决 Llama 3 在中文场景下表现不佳的问题。项目通过扩充中文词表、增量预训练和指令微调，使 Llama 3 更好地理解和生成中文。核心能力包括提供不同规模（如 8B）的基座模型和对话模型，支持量化部署、LoRA 微调，并开源训练脚本和推理代码。项目为中文 NLP 研究和应用提供了高性能、低门槛的模型底座，适用于文本生成、对话系统、知识问答等任务。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1982

维护状态低维护

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队ymcui

所属国家

官网地址

GitHubhttps://github.com/ymcui/Chinese-LLaMA-Alpaca-3

定价模式free

价格说明开源模型，基于Meta Llama 3开发，Apache-2.0许可证，可免费下载使用，无在线服务。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型alpaca,large-language-models,llama,llama-2,llama-3,llama3,llm,nlp

GitHub 星标★ 1982

30天Star增速

HF 下载量

上线时间2023-11-09 00:00:00

最近更新2026-09-15 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数7

使用教程

难度：进阶约 30 分钟部署方式：模型权重 5 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，README 未给出具体版本要求）
能够访问 Hugging Face（hfl）或 ModelScope（ChineseAlpacaGroup）下载模型权重
一张可用 GPU 可加速推理，CPU 也能通过 llama.cpp 等工具运行
阅读项目 Wiki 中的对应部署教程（README 只给出教程链接）

安装与启动步骤

1获取项目仓库

克隆 Chinese-LLaMA-Alpaca-3 仓库到本地，用于查看脚本和文档。README 未给出安装依赖的具体命令，需以仓库内说明为准。
```
git clone https://github.com/ymcui/Chinese-LLaMA-Alpaca-3.git
cd Chinese-LLaMA-Alpaca-3
```
2下载中文模型权重

从 Hugging Face 的 hfl 主页或 ModelScope 的 ChineseAlpacaGroup 主页下载中文 Llama-3 基座模型或 Instruct 指令模型。README 没有给出具体下载命令。
3选择部署工具

README 表格列出 llama.cpp、transformers、仿 OpenAI API、text-generation-webui、LM Studio、Ollama 六种方式，按 CPU/GPU、量化、GUI、API 需求挑选。
4按 Wiki 教程部署

每种工具在 README 中都对应一篇 Wiki 教程链接，需打开对应教程按其步骤完成安装与配置，README 正文本身未给出安装命令。
5验证推理效果

可用 README 提供的在线 Demo 先体验效果，再在本地发一句中文提问，确认模型能正常返回中文回答。

如何确认成功

在所选工具中加载模型并输入中文问题，若能得到连贯的中文回复，说明部署成功；也可先用 README 中的在线 Demo 对照效果。

常见问题

Q：本项目是否扩充了中文词表？

A：没有。README 说明 Llama-3 词表已由 32K 扩充至 128K，实测编码效率约为中文 LLaMA-2 词表的 95%，因此本项目沿用原版 Llama-3 词表，未做额外扩充。

Q：只有 CPU 可以运行吗？

A：可以。README 的部署表格显示 llama.cpp 方式同时支持 CPU 和 GPU，并提供丰富的 GGUF 量化选项，适合没有显卡的环境。

Q：想用界面聊天该选哪种方式？

A：可选 text-generation-webui 或 LM Studio，两者都带 GUI 界面且支持量化；若想提供接口服务，可选仿 OpenAI API 或 Ollama（表格中 LM Studio 与 Ollama 的 vLLM 列标注为不支持）。

Q：模型权重在哪里下载？

A：README 顶部给出 Hugging Face（hfl）、ModelScope（ChineseAlpacaGroup）、wisemodel 三个开源模型发布入口，按需选择其一即可。

Q：安装依赖的命令在哪里？

A：README 正文未列安装命令，具体安装、量化和推理步骤都在项目 Wiki 对应教程页（如 llamacpp_zh、inference_with_transformers_zh）中。

注意事项

README 只提供部署工具对照表和 Wiki 教程链接，未给出 pip/docker 等具体安装命令，实际操作请以 Wiki 教程为准。
本项目基于 Meta Llama-3 开发，使用和分发模型前请确认并遵守 Llama-3 的许可条款。
模型规模较大，下载权重和推理都需要足够的磁盘空间与显存/内存，建议优先使用量化版本。
在线 Demo 与竞技场可直接体验效果，适合在本地部署前先做效果评估。

核心亮点

基于 Llama 3 架构，性能强，中文能力经过专门优化
提供完整训练和推理代码，支持 LoRA 微调和量化部署
开源社区活跃，持续更新，配套中文词表扩充方案

不足之处

模型规模选择较少，目前主要支持 8B，缺乏更大参数版本
文档/社区待观察

适用场景

中文对话助手开发
中文文本生成与摘要
中文知识问答系统

替代项目

Chinese-LLaMA-Alpaca、Qwen、Baichuan

项目介绍

Chinese-LLaMA-Alpaca-3 是开源模型领域的开源项目，由 ymcui 开发，2023 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（1,982）位列前 30%，在开源模型分类中处于中上游。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-15。基于Meta Llama 3开发，Apache-2.0许可证，可免费下载使用，无在线服务。

它主要面向的使用场景是：中文对话助手开发。同类可对比的替代方案包括 Chinese-LLaMA-Alpaca、Qwen、Baichuan。

上一篇：Awesome-Efficient-LLM

下一篇：llama2-webui