MetaOPT开源科研预训练开源模型

Meta OPT OPT

OPT（Open Pre-trained Transformer）系列 · Meta AI · 2022-05发布

开源支持本地部署国内可直连有免费额度

🔗 官方体验地址 → 📄 API文档地址 → 📥 模型下载地址 →

模型介绍

Meta OPT 是 2022 年开源的大规模预训练模型系列，覆盖 125M 至 175B 参数，MIT 许可，是开源大模型演进与学术研究的重要里程碑。

模型基础信息

模型系列OPT（Open Pre-trained Transformer）系列

开发机构Meta AI

发布时间2022-05

参数规模125M - 175B

上下文窗口2K

模型类型文本

中文能力较差

使用方式网页体验 / API调用 / 本地部署

免费额度与收费政策

完全免费开源

免费规则详情

模型权重开源，可自由使用与研究。

收费标准简介

完全免费，本地运行零成本。

模型能力介绍

✅ 核心优势

首个大规模开源模型
175B 与 GPT-3 对标
MIT 许可
科研价值高

⚠️ 短板与局限

能力已被超越
中文能力弱
上下文短
生成质量一般

🎯 适用场景

学术研究
开源模型对比
轻量部署
课程教学

模型使用教程

本章节整理 Meta OPT 的在线体验、API调用、本地部署全套入门教程，快速上手使用该模型。

OPT 是 Meta 2022 年开源的大规模预训练模型系列，含 125M 到 175B 多种规模。

本地运行：HuggingFace 可直接加载。
适用：学术研究与开源模型对比。
规模选择：小规模模型可单卡运行，175B 需多卡。

pip install transformers
# 模型 facebook/opt-1.3b 等

from transformers import pipeline
gen = pipeline("text-generation", model="facebook/opt-1.3b")
print(gen("The future of AI is", max_length=50)[0]["generated_text"])

小规模（125M-1.3B）单卡可跑；175B 版本需多卡分布式部署，参考 metaseq 项目。

💡 使用小技巧

学术研究与开源模型演进研究首选。

❓ 常见问题 FAQ

Q1：OPT 是什么？

A1：Meta 2022 年开源的大规模预训练模型系列。

Q2：能商用吗？

A2：MIT 许可，可自由使用。

访问备注与注意事项

能力已被新一代模型超越
中文能力弱