12.7k
Stars
+53
Stars/month
0
Releases (6m)
Star Growth
+10 (0.1%)
Overview
Open LLMs 是一个精心策划的开源大语言模型目录，专门收录可供商业使用的 LLM。该仓库维护着一个详细的表格，记录了各种开源模型的关键信息，包括发布日期、模型检查点、相关论文、参数规模、上下文长度和许可证类型。涵盖了从早期的 T5（0.06-11B 参数）到大型模型如 YaLM-100B（100B 参数）等各种规模的模型。该项目特别关注商业友好的许可证（如 Apache 2.0、MIT、OpenRAIL-M），为企业和开发者提供了宝贵的参考资源。通过集中整理这些信息，它大大简化了寻找合适开源 LLM 的过程，避免了在众多模型中逐一筛选许可证的繁琐工作。该仓库的高 star 数（12k+）反映了社区对此类资源的强烈需求。
Deep Analysis
Key Differentiator
The go-to curated reference for commercially-licensable open LLMs with clear license tracking — a simple but essential resource vs model hubs that don't filter by commercial usability
⚡ Capabilities
- • Curated list of commercially-licensable open LLMs
- • Tracks release dates, parameter counts, context lengths
- • License classification for commercial use suitability
- • Links to model checkpoints, papers, and demos
- • Coverage from 60M to 405B+ parameter models
🔗 Integrations
Hugging Face Hub
✓ Best For
- ✓ Teams evaluating which open-source LLMs are safe for commercial use
- ✓ Researchers tracking the landscape of openly available language models
✗ Not Ideal For
- ✗ Finding the best-performing model (no benchmarks provided)
- ✗ Non-commercial research where license restrictions don't matter
⚠ Known Limitations
- ⚠ Static list requiring manual updates — may not reflect latest releases
- ⚠ No evaluation benchmarks or quality comparisons between models
- ⚠ Focused only on commercially-licensable models (Apache 2.0, MIT, OpenRAIL-M)
Pros
- + 专注于商业友好许可证的模型，为企业应用提供明确的法律保障
- + 提供全面的模型元数据，包括参数规模、上下文长度、检查点链接等关键信息
- + 持续维护更新，拥有活跃的社区贡献者和较高的 GitHub 关注度
Cons
- - 仅是静态文档列表，不是可直接使用的工具或 API 服务
- - 在快速变化的 LLM 生态中，信息可能存在滞后性
- - 缺乏性能基准测试和模型间的详细比较数据
Use Cases
- • 企业寻找可商业部署的开源 LLM 替代方案，避免专有模型的许可费用
- • 研究者快速筛选适合特定研究项目的开源模型和相关论文资源
- • 开发者评估不同开源模型的规模和能力，为项目选择最合适的模型架构
Getting Started
访问 GitHub 仓库浏览完整的模型列表和详细信息表格，根据项目需求筛选合适的模型（考虑参数规模、许可证、上下文长度等），通过提供的链接访问模型检查点、论文和实现细节开始使用