今天凌晨，阿里云正式发布了Qwen3系列，一口气开源了从0.6B到235B共8款模型：2个MoE大模型和6个Dense大模型，构成了阿里完整的模型矩阵。这次Qwen3的开源重塑了大模型标准，可以说在“后DeepSeek R1”时代，以阿里为代表的国内大厂，正在借助产品化思维，以性价比和多模态能力全方位抢夺DeepSeek的市场影响力。这回阿里云开源的Qwen3，在架构、性能、推理速度和应用方向上均

Qwen3 性能全面超越 R1、OpenAI-o1 等全球顶尖模型，旗舰型号的参数量仅为 DeepSeek-R1 的 1/3。2025 年已经过去 1/3，如果用关键词来概括 AI 领域的发展你会想到什么？这是我想到的：开源、创新加速加速加速。2 月是「DeepSeek」的，R1 以所有人意想不到的方式，让全球执牛耳的 AI 开发者、创业者、投资人把目光锁定在「DeepSeek」「中国」「开源」上

Conda是一个开源的软件包管理系统和环境管理系统，主要用于在不同的计算环境中安装和管理软件包和其依赖项。它最初是为Python而设计的，但现在也可以用于管理其他语言的软件包。Conda提供了对虚拟环境的支持，这使得用户可以在同一台计算机上同时管理多个相互独立的Python环境这对于开发和测试不同的项目或在项目之间切换时非常有用。总结:Conda所创建的，你的每一个Python项目所需的软件包等等

前面三个篇幅介绍本地部署DeepSeek+数据库及联网搜索的方法，后台又收到新的需求，“通过局域网或异地公网访问本地部署的DeepSeek+数据库”， 这是一个常见的场景，我也有用到，本次将整理分享配置“局域网或异地公网”访问的方法！DeepSeek本地部署全攻略：局域网共享+远程访问一体化方案【项目概述】关于DeepSeek 本地化部署、搭建个人知识库（资料库）、联网搜索及本地化可视化管理。共分

今天的故事开头，叫《重生之我在百度AI大会看李彦宏diss DeepSeek》。众所周知，DeepSeek在过去几个月里从模型能力到开放策略一路高歌猛进，俨然成了“国产大模型之光”。而在今天的百度AI开发者大会上，李彦宏却对DeepSeek频频打“DeepSeek不是万能的”，DeepSeek目前只能处理文本，还不能理解和生成图片、音频、视频等多模态内容，幻觉率较高，而且慢和贵。每年的AI开发者大

LLama-Factory，大模型训练框架，支持多种模型，多种训练方式，link。

在上一章【[大模型三阶段训练方法(LLaMa Factory)]】内容中主要了解一个大模型的训练过程，无论是第三方的大模型还是自研的大模型，都需要部署到服务端，提供对应API接口供上层应用使用。所以，本章将主要了解vLLm + langchain的基本使用方法。

*大模型是指具有大规模参数和复杂计算结构的机器学习模型。**这些模型通常由深度神经网络构建而成，拥有数十亿甚至数千亿个参数。大模型的设计目的是为了提高模型的表达能力和预测性能，能够处理更加复杂的任务和数据。大模型在各种领域都有广泛的应用，包括自然语言处理、计算机视觉、语音识别和推荐系统等。大模型通过训练海量数据来学习复杂的模式和特征，具有更强大的泛化能力，可以对未见过的数据做出准确的预测。

DeepSeek 与医疗场景的深度融合，就像一场悄无声息但又影响重大的革命，重塑了医生的工作模式，让医疗服务变得更加高效、精准。也为人类健康事业的持续发展注入了强大的科技动能，相信在不远的未来，随着AI技术的不断进步和完善，AI将在医疗领域发挥更加重要的作用，为更多患者带来健康和希望！

通过深入了解本文中的这些细节，并在实际项目中应用相关知识，将能够更好地理解和利用大模型的潜力，不仅在学术研究中，也在工程实践中。通过不断探索新方法、参与项目和保持热情，并将其应用于各种领域，从自然语言处理到计算机视觉和自动驾驶。通过不断学习、实践和探索，可以不断提升自己在深度学习领域的技能和洞察力，同时也能为社会和行业带来创新和改进。从小规模的项目和模型开始，逐渐迭代和扩展到更大的模型，逐步积累经