1文件+2个命令，无需安装，单机离线运行70亿大模型

大家好，我是老章

最近苹果发布了自己的深度学习框架--MLX，专门为自家M系列芯片优化。看了展示视频，这个框架还能直接运行Llama 7B的大模型，在M2 Ultral上运行流畅。但是我尝试了一下，我的M2 Mac mini根本跑不动，模型权重太大了。

这倒勾起了我继续单机玩大模型的兴趣，然后就发现了llamafile的玩法：下载模型文件、直接执行即可浏览器中运行，就可以开始聊天，还可以上传图片进行提问。

先不介绍原理，直接看看如何运行吧：

1、下载llava-v1.5-7b-q4-server.llama 文件（对应模型是[LLaVA 1.5](https://llava-vl.github.io/)，在 Llama 2 之上进行微调的大型多模式模型 ）


下载地址：https://huggingface.co/jartine/llava-v1.5-7B-GGUF/resolve/main/llava-v1.5-7b-q4-server.llamafile?download=true

鉴于有些同学可能无法访问huggingface，我也准备了这个文件在网盘，有需要可以找我要一下。

2、MacOS和linux用户需要在命令行中先授权这个文件可执行

```
chmod +x llava-v1.5-7b-q4-server.llamafile
# 然后运行
./llava-v1.5-7b-q4-server.llamafile
```


如果是windows用户，那就更省事了，直接重命名这个文件，后面加上 .exe 即可

3、浏览器会自动弹开聊天界面（如果没有，浏览器中直接打开[https://localhost:8080](https://localhost:8080/)即可）


首次打开需要配置一些参数，也可以直接使用默认值。

除了聊天，也可以上传图片让它识别。聊天完毕后，返回终端并点击 Control-C关闭 llamafile。


顺便简单介绍一下llamafile：

这个大模型文件是Mozilla 团队发布的，这个文件包含 LLM 的模型权重和运行该模型所需的代码 ，可以将它视为一个完整的本地服务器，带有用于与其交互的 Web UI。

llamafile是基于[llama.cpp](https://github.com/ggerganov/llama.cpp)（一个领先的开源 LLM 聊天机器人框架）和[Cosmopolitan Libc](https://github.com/jart/cosmopolitan)（一个开源项目，使 C 程序能够在大量平台和架构上编译和运行）实现的。使用 llamafile，可以将大型语言模型 (LLM) 权重文件转换为可在六种操作系统（macOS、Windows、Linux、FreeBSD、OpenBSD 和 NetBSD）上运行的二进制文件，而无需安装，确保给定的一组权重将永远保持可用并一致且可重复地执行。

想要了解更多，可以参考一下资料：

模型演示：https://llava.hliu.cc/

模型简介：https://llava-vl.github.io/

模型代码：https://github.com/haotian-liu/LLaVA

llamafile开源地址：https://github.com/Mozilla-Ocho/llamafile

llamafile简介：https://hacks.mozilla.org/2023/11/introducing-llamafile/