@DeRonin_: 中国开源大语言模型完全取代所有新发布的模型，它允许你本地训练自己的LLM，是的，门槛…
摘要
一条推文声称中国开源大语言模型已经完全取代了新发布的模型，允许本地训练，不过对业余开发者而言门槛提高了。
查看缓存全文
缓存时间: 2026/06/28 09:59
@EXM7777 中国的开源大语言模型完全取代了所有新发布的模型。
它可以让你在本地训练自己的LLM。
是的，门槛提高了，15岁的学生现在无法做出革命性的东西了。
但这让这个世界对“lazymaxxing”更难了。
我觉得这没什么问题。
相似文章
从零开始开发开源大语言模型：从预训练到RLHF（PPO/GRPO）
一位开发者分享了从零开始训练一个70亿参数开源大语言模型的进展，该模型基于DeepSeek架构并针对低显存进行了优化，目标是推动AI开发的民主化，并最终超越大型专有模型。
@seclink: 好像 ollama 就这么赤裸裸被 vllm 打败了 。 由于大模型发展太快了（基本每周都出新模型）， 很多时候用 vllm 比 用 deepspeed 、tensorRT这些实在和方便.
The article argues that vLLM has overtaken Ollama in usability due to the rapid pace of new model releases, finding it more practical than alternatives like DeepSpeed or TensorRT.
@neural_avb: 如果你仔细想想，2026年的LLM训练其实是一个三步循环：- 用一些数据训练 - 内部测试/运行分类评估…
这条推文概述了2026年LLM训练的三步循环：用数据训练、运行评估、为表现不佳的任务添加合成数据。它强调了通过开源模型和廉价API进行合法蒸馏的易得性，并指出仅凭推理轨迹训练就能获得高分。
@oliviscusAI：OpenAI 联合创始人刚刚发布了他的个人指南，教你从头训练大语言模型。它叫 llm.c。无需繁琐设置。只…
OpenAI 联合创始人 Andrej Karpathy 发布了 llm.c，这是一份开源指南，教你如何从头训练大语言模型。代码简洁，可在任何硬件上运行，包括 CPU 和 MacBook，并且比标准方法快 7%。
@0xshimei: https://x.com/0xshimei/status/2053088751862288846
This article provides a comprehensive 2026 guide to free and low-cost large language models, comparing domestic (China) and international options.