原贴链接

无实质内容，仅为一个链接：

image

讨论总结

此贴关于新模型展开了多方面的讨论。包括对新模型名字来源的探讨，有观点认为“intern”这个名字奇怪，但也有解释其合理性。还有模型性能方面，如InternLM3 - 8B - Instruct在推理能力、成本节省上的优势，以及与其他模型的比较。也涉及到模型使用中的问题，像使用时出现中文书写、角色扮演表现不佳等，同时还有资源分享、技术问题等多方面的交流，整体氛围较为积极，大家都在积极探索新模型的各种情况。

主要观点

  1. 👍 认为“intern”这个名字奇怪
    • 支持理由：没有太多特殊含义显得奇怪
    • 反对声音：名字可能源于人们常将AI形容为热情的实习生
  2. 🔥 AI像实习生一样不拿工资工作是合理的
    • 正方观点：从AI获取电能等回报类比人类获取工资，这种类比合理
    • 反方观点：无
  3. 💡 希望存在20b模型
    • 解释：[2.5 20b]模型曾用于翻译，所以希望有20b模型
  4. 💡 InternLM3 - 8B - Instruct是用于通用和高级推理的开源模型且性能表现优异
    • 解释：在特定任务上优于其他模型且成本节省超75%，支持深度思考模式和正常响应模式
  5. 💡 反对7b模型升级到8b以追求更好的基准测试
    • 解释：7b易于在多种设备上运行，8b运行难度增加

金句与有趣评论

  1. “😂 Relevant - Ad9432：intern is a weird name”
    • 亮点：直接表达对名字奇怪的看法，引发后续讨论
  2. “🤔 datbackup：Works without getting paid, makes sense to me”
    • 亮点：从独特角度看待AI工作不拿工资的合理性
  3. “👀 I hope there will be a 20b model as well, their [2.5 20b](https://huggingface.co/internlm/internlm2_5 - 20b - chat) model used to be my main model for translation”
    • 亮点：表明对20b模型的期待并给出自己的使用经验
  4. “💥 InternLM3 - 8B - Instruct, designed for general - purpose usage and advanced reasoning.”
    • 亮点：简洁介绍模型用途
  5. “😕 I hate when 7b models go up to 8b for better benchmarks.”
    • 亮点：明确表达对模型升级的反对态度

情感分析

总体情感倾向是积极探索的。主要分歧点在于对模型一些特性的看法，如7b模型是否应该升级到8b。可能的原因是不同用户对于模型性能和运行便利性的权衡不同，有些用户更注重模型在设备上的运行难度，而有些则更看重基准测试性能。

趋势与预测

  • 新兴话题：对新模型与Phi - 4在RAG使用方面的比较。
  • 潜在影响：新模型如果性能优秀可能会影响相关领域的任务处理方式，如翻译、推理等任务；关于模型许可方面的讨论可能促使模型分享者更加规范许可的发布。

详细内容：

标题：关于新模型的热门讨论

在 Reddit 上，一个关于新模型的帖子引起了众多关注。原帖主要展示了新模型的相关信息，包括一张无法处理的图片（图片链接：https://i.redd.it/curwy8vkq3de1.png ）。该帖子获得了大量的点赞和众多评论。

引发的主要讨论方向包括对新模型性能、应用场景、语言处理能力等方面的探讨。核心问题在于新模型相较于其他同类模型的优势和不足，以及其在不同任务中的表现。

在讨论中，有人认为“实习生”这个名字很奇怪；有人觉得无偿工作能说得通；还有人表示这有点像为了食物而工作，做工作换取电力。有人指出通常人们将 AI 描述为有一个急切的实习生为你工作，认为这可能是名字的由来。

有用户分享道：“InternLM3 已经开源了一个 80 亿参数的指令模型，InternLM3 - 8B - Instruct，专为通用用途和高级推理设计。这个模型具有以下特点：增强的性能和降低的成本，在推理和知识密集型任务上的表现超越了像 Llama3.1 - 8B 和 Qwen2.5 - 7B 这样的模型。特别的是，InternLM3 仅在 4 万亿高质量令牌上进行训练，相比同规模的其他大型语言模型节省了超过 75%的训练成本。具有深度思考能力，支持深度思考模式以解决复杂的推理任务，也支持正常响应模式以实现流畅的用户交互。”

有人提到自己使用 llama.cpp 但没关注深度思考，询问是否需要特别操作以及 gguf 是否支持。也有人提供了相关的链接，如：https://github.com/ggerganov/llama.cpp/pull/11233 、[https://huggingface.co/internlm/internlm3 - 8b - instruct](https://huggingface.co/internlm/internlm3 - 8b - instruct) 、[https://huggingface.co/internlm/internlm3 - 8b - instruct - gguf#chat - example](https://huggingface.co/internlm/internlm3 - 8b - instruct - gguf#chat - example) 。

有人指出在某些情况下模型会出现语言问题，比如写到一半变成中文，通过系统提示只说英语可以解决，Qwen 也有同样的问题。有人在进行了一些基础测试后，认为这是一个优秀的模型，比 Qwen2.5 7b 更好。也有人表示在角色扮演中尝试后，效果不太理想。

讨论中的共识在于大家都对新模型的性能表现充满期待，但也存在对其在不同任务中的实际效果的担忧。一些独特的观点，如对模型名字的探讨和在特定工作流程中的实际体验，丰富了讨论的内容。

总之，这次关于新模型的讨论展现了大家对技术发展的关注和思考，也为进一步了解和应用该模型提供了多样的视角。