北京
机器之心报道
最近几年，大模型赛道好不热闹。
叫得上名字的几乎数都数不过来：从 GPT、Llama、Gemma、Mistral，到 DeepSeek、Qwen、Kimi、GLM、MiniMax 等等，新模型几乎以周更的速度出现。
但问题是，当架构创新越来越多时，理解它们反而变得越来越困难。不同论文里的模型结构图风格各异、模块命名不统一，即便是研究者，也很难快速看清一个模型究竟在哪些地方做出了关键改动。
如果把过去几年主流模型的架构放在一起，你会发现一个明显的空白：我们拥有大量模型，却缺少一张清晰的大模型架构图。
最近，AI 研究者 Sebastian Raschka 就尝试给了这样一张图，他将过去几年主流大模型的结构重新绘制，并整理成了一个在线图谱 「LLM Architecture Gallery」。
- 原文地址：https://sebastianraschka.com/llm-architecture-gallery/#card-olmo-2-7b
- GitHub 地址：https://github.com/rasbt/llm-architecture-gallery
根据 Raschka 介绍，该网站汇集了他此前两篇博客中的内容，这两篇博客分别为《The Big LLM Architecture Comparison》 和 《A Dream of Spring for Open-Weight LLMs》。
从「LLM Architecture Gallery」页面结构上看，这个图谱几乎像一张大模型名录。
这里汇集了大量近年来出现的主流模型，包括 Llama、DeepSeek、Gemma、Mistral、Qwen、Kimi、GLM等多个系列，参数规模从几亿参数的小模型，一直延伸到千亿乃至万亿级模型。
点击任意模型即可链接到对应位置，比如，这里我们点击 DeepSeek R1，链接就跳转到相应的模型卡：
每一张模型卡都会展示该模型的核心架构图、关键模块设计、参数规模、发布时间、相关概念等基本信息，让读者能够在同一套视觉框架下快速理解模型的结构组成。
不止 DeepSeek R1，像 Gemma、Llama 等一系列主流模型，也都被纳入这一图谱之中。用户只需点击对应模型名称，就可以进入该模型的专属页面，查看其完整架构示意图以及关键设计细节。
对于研究者而言，「LLM Architecture Gallery」相当于提供了一份可快速查阅的大模型架构索引，用户可以在一个页面中浏览和对比不同模型的设计思路，模型架构的关键创新点，从而更高效地理解技术演化路径，也为后续的研究和模型设计提供参考。
正如 AI 研究者 Andrej Karpathy 所评价的那样：「这简直就是一个创意、想法的资源库。」
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
