今年 2 月份，机器之心报道了复旦大学推出中国版 ChatGPT 的消息（参见《复旦发布中国版 ChatGPT：MOSS 开启测试冲上热搜，服务器挤爆》），引起了广泛关注。当时，邱锡鹏教授就曾表示将于四月份开源 Moss。
昨天，开源版的 Moss 真的来了。
项目地址：https://github.com/OpenLMLab/MOSS
MOSS 是一个支持中英双语和多种插件的开源对话谈话模型，但参数数量比 ChatGPT 少得多。在 v0.0.2 之后，团队持续对其进行调整，推出了 MOSS v0.0.3，也就是目前开源的版本。相比于早期版本，功能也实现了多项更新。
最初的测试中，MOSS 的基础功能与 ChatGPT 类似，可以按照用户输入的指令完成各类自然谈话处理任务，包括文本生成、文本摘要、翻译、代码生成、闲聊等等。
开放内测后，团队继续加大华文语料的预训练：「截止目前，MOSS 003 的基座谈话模型已经在 100B 华文 token 上进行了训练，总训练 token 数量达到 700B，其中还包括约 300B 代码。」
在开放内测后，我们也收集了一些用户数据，我们发现真实华文世界的用户意图和 OpenAI InstructGPT 论文中披露的 user prompt 分布有较大差异（这不仅与用户来自的国家差异有关，也跟产品上线时间有关，早期产品采集的数据中存在大量对抗性和测试性输入），于是我们以这部分真实数据作为 seed 重新生成了约 110 万常规对话数据，涵盖更细粒度的 helpfulness 数据和更广泛的 harmlessness 数据。
实质来源：https://www.zhihu.com/question/596908242/answer/2994534005
目前，团队已将 moss-moon-003-base、moss-moon-003-sft、moss-moon-003-sft-plugin 三个模型上传到 HuggingFace。后续，还有三个模型将会开源。
根据项目主页介绍，moss-moon 系列模型具有 160 亿参数，在 FP16 精度下可在单张 A100/A800 或两张 3090 显卡运行，在 INT4/8 精度下可在单张 3090 显卡运行。
团队同时表示，由于模型参数量较小和自回归生成范式，MOSS 仍然可能生成包括事实性错误的误导性回复或包括偏见 / 歧视的有害实质，请谨慎鉴别和使用 MOSS 生成的实质，请勿将 MOSS 生成的有害实质传播至互联网。
新增才智
在 MOSS v0.0.3 中，团队加入了多项新才智。
团队构造了约 30 万插件增强的对话数据，包括搜索引擎、文生图、计算器、方程求解等。关于插件版 MOSS 如何使用，后续团队将在 GitHub 公布。
MOSS v0.0.3 现已引入使用多种插件的才智。
下图展示了挪用搜索引擎的才智：
下图展示了挪用方程求解器的才智：
下图展示了从文本生成图片的才智：
项目作者孙天祥补充说，MOSS 003 支持启用插件的才智是通过 meta instruction 来控制，类似 gpt-3.5-turbo 里的 system prompt。「因为是模型控制的，所以并不能保证 100% 控制率，以及还存在一些多选插件时挪用不准、插件互相打架的缺陷，我们正在尽快开发新的模型来缓解这些问题。」
下载安装
下载本仓库实质至本地 / 远程服务器：
git clone https://github.com/OpenLMLab/MOSS.gitcd MOSS
创建 conda 环境：
conda create --name moss python=3.8 conda activate moss
安装依赖：
pip install -r requirements.txt
其中 torch 和 transformers 版本不建议低于推荐版本。
根据协议，开源的 MOSS 可用于商业用途：
此外，开发者也可通过 API 挪用 MOSS 服务，团队将根据当前服务压力考虑通过 API 接口形式提供服务，接口格式可参考：https://github.com/OpenLMLab/MOSS/blob/main/moss_api.pdf
目前，已有开发者根据开源实质进行而创，比如通过 VideoChat 进行视频问答。
VideoChat 是一款多功能视频问答工具，结合了动作识别、视觉字幕和 StableLM 的功能。该工具可为视频中的任何对象和动作生成密集的描述性字幕，提供一系列谈话风格以满足不同的用户偏好。它支持用户进行不同长度、情绪、谈话真实性的对话。
项目地址：https://github.com/OpenGVLab/Ask-Anything/tree/main/video_chat_with_MOSS