在 Dify 轻松调用顶尖开源与国产模型，解锁不同模型的潜力

作者：Dify

2023-08-16
江苏
本文字数：3011 字
阅读完需：约 10 分钟

Dify 的朋友们，

不少细心的网友在周末的时候就已经发现了我们产品上的更新 -- 模型供应商上新增了一大批新模型，这也是很多朋友翘首以盼的版本-- V0.3.13。

此前 Dify 已经陆续支持了全球前列的模型优秀代表：OpenAI 的 GPT 系列、Anthropic 的 Claude 系列、Azure OpenAI 系列。本次更新，让大家可以轻易使用上国内外知名的开源模型如：Llama2、ChatGLM、百川 Baichuan、通义千问-7B 等，凡托管在 Hugging Face 及 Replicate 上的模型，在 Dify 上只需要输入 Hugging Face 、 Replicate 的 API token 和模型名称就可以轻松接入调用。同时，我们与国内数家模型厂商达成了友好的上下游合作，讯飞星火、MiniMax、文心一言、通义千问都已在本批次接入。（我们还为 Dify 的朋友们争取到部分模型厂商的 token 体验额度，申请通道详见下文。）

轻松调用 Llama2 、ChatGLM 、Baichuan 等开源模型

Dify 支持模型托管和部署平台 Replicate 和 Hugging Face 上所有的模型， Llama2、ChatGLM、百川 Baichuan、通义千问-7B 等你都可以轻松调用，快速构建性能优异且多样化的 AI 应用。

以部署托管在 Replicate 上的 Llama2 为例，来看看如何在 Dify 上调用开源模型吧！

点击查看视频

建立安全、合规可控的模型阵地

国内用户更关注的是模型的合规可控性，无疑国内闭源商用模型是最优选择。Dify 已接通国内闭源商用模型如文心一言、讯飞星火、MiniMax、通义千问，这些模型在安全性和价值观上更符合国情，满足合规审查和企业对可控性的需求。

以百度文心一言为例，用户在 Dify 用该模型创建应用时，关于“敏感词”的合规性问题会得到很好的处理：

但由于目前国内模型暂无法开放大规模商用，所以我们与其中部分模型厂商深度沟通合作，给 Dify 用户争取到讯飞星火、MiniMax 分别 300 万、100 万的 token 体验额度，建议提前探索评测，选定适合自己业务的模型，大规模开放后即可在 Dify 上创建安全合规的 AI 应用。

如何申请体验额度？通过 Dify 设置 --> 模型供应商 --> 讯飞星火或 MiniMax 图标处点击【免费获取】：

讯飞星火：免费领取 300 万 token，需要从 Dify 的入口进入，完成讯飞星火开放平台的注册，返回 Dify 静候 5 分钟即可在 Dify 页面体现可用额度（仅限未注册过讯飞星火的手机号）。
MiniMax：免费领取 100 万 token，只需点击【免费领取】即可到账额度，无需手动注册流程。

在 Dify.AI 探索不同模型潜力

快速切换，测验不同模型的表现。基于 Dify 上集成的 LLMs，你可以在应用制作的页面下快速切换不同模型，仅需几分钟就可以迅速评估在特定场景下各个模型的具体表现，这可以帮助你基于测试结果做出更明智的模型选择，获取最佳体验。

降低模型能力对比和选择的成本。过去，当你需要探索不同模型的能力边界，你需要逐个去研究不同模型的性能、不断调整不同模型的不同参数等，投入大量时间和精力。而现在基于 Dify，你只需要在应用的模型选择器中点击切换即可实现不同模型能力的反馈和对比。另外，Dify 已对各模型进行了预调优，设定最佳系统 Prompt，简化复杂的参数设置。你无需学习各模型的使用细节，直接在 Dify 上选择并得出最优模型方案。这极大降低了模型选择和调优的门槛，让你能更加高效地构建 LLM 应用。

点击查看视频

选择使用哪个大型语言模型？

今年以来，层出不穷的模型和迭代速度让人眼花缭乱，可谓是“百模齐放盛世”。在模型的选择上，部署成本、训练成本、推理性能、模型能力表现等方面都起着至关重要的影响。下面小编根据各大专业机构评测/官方披露信息总结几个热门开源/闭源模型的优势和能力适用情景特点供大家参考：

百花齐放的开源模型

Llama2： 众所周知，Meta 出品的 Llama 是开源模型的“鼻祖”，在其模型能力表现上甚至超过了 GPT-3，但遗憾的是不能商用。但前不久 Meta 又发布的 Llama 2 系列，不仅允许了商业化使用，任何企业、个人开发者都能将其用在商业用途，且在网络规模、训练数据量和模型架构上都有显著提升，相比之前的 Llama 1，Llama 2 在预训练数据量上增加了 40%，达到了 2 万亿个语言单元。同时，输入文本长度也扩大一倍，到达 4096 个词元。这使得 Llama 2 更适合处理长序列语言建模任务。

ChatGLM：清华技术成果转化的公司智谱 AI 推出了 GLM 系列的中英双语对话模型 ChatGLM-6B，拥有 62 亿参数，支持消费级显卡上的推理。该模型在 1T 的中英双语标识符训练基础上，通过多种技术进行优化，虽然由于模型容量较小，模型记忆和语言能力较弱，但胜在降低了部署门槛、提升了效率。ChatGLM2-6B 是部署在 hugging face 上的第二代版本，在保留了初代模型对话流畅、部署门槛较低等众多优秀特性的基础之上，ChatGLM2-6B 通过升级模型、扩展上下文、优化推理和开放协议，实现了性能、效率与兼容性的全面提升。

百川 baichuan：百川大模型是由百川智能公司自主研发的大语言模型，其中 7B 和 13B 提供开源版。Baichuan-7B 是在大约 1.2 万亿 tokens 上训练的 70 亿参数模型，而 Baichuan-13B 采用更大规模参数与训练数据，同时开源预训练与对齐版本，推理更高效，且开源免费可商用。据官方透露，百川即将在下个月上线闭源商用模型 53B 版本，提供在线体验平台和 API，官网已提供了内测入口。

通义千问-7B：阿里云在 8 月 3 日开源了 7B 参数模型：通义千问-7B（Qwen-7B），这是阿里云研发的通义千问大模型系列的 70 亿参数规模的模型，在 hugging face 上一跃成为热度仅次于 Llama2 的文本生成型模型。Qwen-7B 是基于 Transformer 的大语言模型，在超大规模的预训练数据上进行训练得到。预训练数据类型多样，覆盖广泛，包括大量网络文本、专业书籍、代码等。丰富的预训练资源为 Qwen-7B 模型提供了坚实的知识基础，使得 Qwen-7B 在各类任务上的适应性非常强，无论是对话、文本生成还是问答，都能取得较好的效果。

专业评测验证国产模型实力

对于国产模型，我们查阅了新华社研究院对主流大模型发布的《人工智能大模型体验报告》。测试采用模块化设题的方法设计客观题和主观题，从模型回答的可用性、语义准确度、逻辑清晰度、创新性等方面与 ChatGPT4、ChatGPT3.5 进行对比打分：