图说：开源与闭源大模型
type
status
summary
date
slug
tags
category
password
icon
这张图是一张开源人工智能（Open Source AI）市场地图，展示了开源AI技术在生成式AI技术栈中的活跃发展，特别是在基础模型和开发者工具方面。图中分为两个主要部分：开源（Open Source）和闭源（Closed Source，仅作为示例）。
开源（Open Source）包括:
- 基础模型（Foundational Models）: 这些是构成AI系统基础的核心AI模型，它们能够创建或解释复杂数据，如文本、图像和音频。图中列出了一些开源的基础模型，包括由OpenAI、ANTHROPIC、cohere等机构开发的模型，以及一些如Gemini、perplexity AI、Lumina AI、contextual-ai、together.ai、Lighton等项目。
- 模型部署与推理（Model Deployment & Inference）: 这一部分涉及云服务，提供可扩展的计算资源（如GPUs），这对于模型托管、AI训练和性能至关重要。例如，Kserve、Arrikto、RunPoc等。
- 开发者工具（Developer Tools）: 这些平台或工具包支持AI模型的构建和运营，如应用框架、向量数据库和数据管理系统。图中提到了Hugging Face、MongoDB、supabase、Pinecone、Kindo等。
- 模型训练与微调（Model Training & Finetuning）: 这些工具用于生成合成数据以训练模型、标记数据以及为特定任务、业务功能或数据集精炼预训练模型。例如，Domino、SCOle、Rendered AI、Snorkel、gretel、TOWIC、fireworks.ai等。
- 监控与可观测性（Monitoring & Observability）: 这些工具用于跟踪AI系统的性能、管理LLM操作和分析用户参与度。例如，Datadog、arize、Amplitude、ROBUST INTELLIGENCE、vellum、fiddler、truera、seldon、milvus等。
