lonePatient/awesome-pretrained-chinese-nlp-models · 上手攻略

• 仓库：lonePatient/awesome-pretrained-chinese-nlp-models
• 链接：https://github.com/lonePatient/awesome-pretrained-chinese-nlp-models
• 分类：ai · nlp · chinese-llm · pretrained-models
• 作者：Tom
• 更新：2026-07-15

这是什么

awesome-pretrained-chinese-nlp-models 是一个由个人开发者（lonePatient）维护的 GitHub 精选列表，收录高质量中文预训练模型、大语言模型、多模态模型及其相关资源。截至 2026 年 7 月 Stars 5574，是中文 NLP 领域最全面的开源模型索引之一。

仓库按模型类型和任务类型双重维度分类，涵盖从 2020 年 BERT 时代到 2026 年最新 MoE 大模型的全谱系，并提供 HuggingFace、ModelScope 等主流模型平台的下载链接。适合需要快速了解中文 NLP 开源模型现状的研究者和工程师。

解决什么问题

中文大模型开源生态高度分散——GLM 在 GitHub，Qwen 在阿里，InternLM 在上海人工智能实验室，MiniCPM 在 OpenBMB……awesome-pretrained-chinese-nlp-models 用统一入口解决这一问题：

1. 找模型：按类别（通用对话、代码、金融、医疗、推理、多模态）快速定位可用的中文开源模型
2. 对比参数：列表直接标注参数规模、架构（Decoder-only / MoE）、发布时间和开源协议
3. 找下载源：每个模型附 HuggingFace / ModelScope 直接链接，国内推荐使用 hf-mirror.com 镜像加速下载
4. 找评测基准：收录 C-Eval、FlagEval、SuperCLUE、MMLU 等中文评测套件及其对应榜单

内容结构

模型分类体系

模型系列索引

其他资源

• 开源模型库平台：HuggingFace、ModelScope、FlagOpen、始智AI（wisemodel）
• 开源数据集库：HuggingFace Datasets、ModelScope Datasets
• 中文指令数据集：SFT / RLHF 相关中文数据集索引
• 评测基准：C-Eval、FlagEval、SuperCLUE、Xiezhi、MMLU、OpenCompass

快速安装

这不是一个需要安装的工具库，而是一个模型索引和下载指南。

# 克隆到本地离线查阅
git clone https://github.com/lonePatient/awesome-pretrained-chinese-nlp-models.git
cd awesome-pretrained-chinese-nlp-models
# 直接用 Markdown 阅读器或 VS Code 打开 README.md

模型下载示例（以 ChatGLM 为例）

# 方法一：HuggingFace 直接下载（国际网络）
git lfs install
git clone https://huggingface.co/THUDM/ChatGLM2-6B

# 方法二：国内镜像加速（推荐国内环境）
# 访问 https://hf-mirror.com/ 搜索 THUDM/ChatGLM2-6B
# 使用镜像站下载，速度更快

# 方法三：ModelScope（国内平台）
pip install modelscope
modelscope download --model ZhipuAI/chatglm2-6b

Embedding 模型快速调用示例

# 使用 sentence-transformers 调用中文 Embedding 模型
from sentence_transformers import SentenceTransformer

# 例如使用 jinaai/jina-colbert-v2（多语言支持，含中文）
model = SentenceTransformer('jinaai/jina-colbert-v2')

query = "我想找一个能处理中文的Embedding模型"
docs = [
    "Jina ColBERT V2 支持多语言语义检索",
    "这是一个英文的Embedding示例",
    "中文语义匹配是当前NLP的重要研究方向"
]

embeddings = model.encode([query] + docs)
scores = model.similarity(embeddings[0], embeddings[1:])
print(scores)  # [1.0, 0.72, 0.89]

典型适用场景

场景 1：RAG 系统选 Embedding 模型

在 Embedding 分类下，有 jina-colbert-v2、Conan-embedding-v1、xiaobu-v2、zpoint_large 等中文优化模型可直接下载使用，配合 MTEB 排行榜做性能对比，选出最适合你场景的方案。

场景 2：中文代码助手选型

进入 垂直对话大模型 → 代码 分支，有 Qwen3-Coder、DeepSeek-Coder-V2、CodeGeeX4、Yi-Coder、OpenCoder 等，可对比参数规模、训练数据和评测结果做选型。

场景 3：金融 NLP 场景模型选型

垂直基础大模型 分支收录了通义金融-Base（14B）等金融领域模型，结合 C-Eval 金融子榜的评测数据做最终决策。

场景 4：快速了解某系列模型全貌

GLM 系列从 GLM-130B 到 GLM-5.2、GLM-4.6，在仓库中按时间线排列，可快速了解该系列的演进历程和技术路线变化。

坑与注意

1. 列表时效性强 — 2025–2026 年新模型层出不穷，列表中某些模型信息（尤其是 2026 年新模型如 GLM-5.2、GLM-4.6）可能缺乏完整评测数据，使用前以官方 GitHub/HuggingFace 页为准。
2. 模型参数标注不均 — 部分新模型（如 GLM-4.6）仅标注架构类型（MoE）和激活参数（A32/355B），实际总参数量极大，需要换算。
3. 开源协议差异大 — 列表中模型协议各异（Apache 2.0、GPL、CC 等），商用前务必确认各模型的许可证。
4. 下载链接稳定性 — 部分个人维护的 HuggingFace 仓库可能因作者删除或迁移而失效，ModelScope 镜像通常更稳定。
5. 非完整评测 — 列表提供的是下载链接和基本信息，不是模型性能排名，部分"查看全部"链接指向更详细的子文档，需要进一步探索才能获取完整对比数据。
6. hf-mirror.com 是用户维护镜像 — 国内下载 HuggingFace 模型时推荐使用，但镜像同步可能存在延迟，高精度模型建议同时在官方 HF 确认。

与同类对比

该仓库的核心价值在于中文 NLP 全栈视图，不是某个单一模型的官方仓库，也不是全球大模型总览，而是专注中文场景的开源模型精选地图。

一句话推荐结论

需要找中文开源 NLP 模型、对比选型、或了解中文大模型生态全景，这个仓库是当前最值得收藏的一站式索引，尤其配合 hf-mirror.com 镜像可快速下载落地使用。

来源：GitHub README (lonePatient/awesome-pretrained-chinese-nlp-models)、HuggingFace 模型页面（ChatGLM2-6B、jina-colbert-v2）、仓库内子文档（docs/base-llm.md、docs/chat-llm.md 等）