对于学生用户来说，这可是个好消息。
开源从前人们有一种刻板印象——大语言模型里好用的，基本上都是闭源模型。而前些日子，Meta推出了Llama3后，你可能已经从中感受到现在开源模型日益增长的威力。当时我也写了几篇文章来介绍这个系列模型，例如这一篇《如何免费用 Llama3 70B 帮你做数据分析与可视化》，很受欢迎。
最近阿里推出了新一代的开源大语言模型 Qwen2。同样是一个系列 —— 从非常小不到 10 亿参数的模型，一直到 72B （也就是 720 亿）参数的中型模型。因为信息比较多，我干脆让 Perplexity 给我对 Qwen2 的信息做了个汇总。
Perplexity 说，Qwen2 系列模型规模大，多语言能力强，并且在编程、数学等领域提升非常明显，且支持超长上下文。最后这一点，我觉得它比 Llama 3 的表现要好。
我这里拿了一张 Qwen2 发布会时的图，它展示了 Qwen2 的 72B 与 Llama3 的 70B 以及 Mixtral-8x22B 混合专家模型间的对比。Qwen2 相较于后者，在每一个指标上都有提升。
当然，我们不能光看数据对吧？这篇文章，咱们得动手实践获得一手认知。首先，咱们来试试本地运行。
尝试考虑到本地机器计算能力限制，我们选一个小一点的模型，也就是 Qwen2 的 7B 模型。这里我使用 Ollama 来运行它。关于 Ollama 的介绍，可以参考这篇文章。
我们执行指令：
ollama run qwen2
Ollama 会立即自动下载模型。
下载好后，你就可以直接跟它对话了。
我提的问题是：
帮我写个 Snake Game in Python。
你可能会问，为什么指令写得这么奇怪？你要么说中文，要么说英文，为什么中英文混用呢？
答案是我故意的因为Qwen2号称多语言能力比较强，所以我们先让它试试这种混用看效果怎么样。
测试结果来看，Qwen2 对中英文混合的 prompt 理解效果挺好。它不仅懂了我的意思，还直接开始基于 Pygame 来输出 Python 代码。
代码完整输出完后，Qwen2 还会告诉用户怎么用。
我于是先按照它的要求把 Pygame 安装上。
之后，我把 Qwen2 生成的代码贴到 Visual Studio Code 里面，再执行。
这是运行的效果。我试玩儿了好一会儿。
你不难发现，「人工智能」挺智能的，可以快速编出这样的程序；反倒是玩儿游戏的这家伙，看上去似乎不怎么智能 😂
7B 的小型版本可以在本地运行，那么目前最大的 72B 版本 Qwen2 怎么运行呢？要想本地运行也不是不可以，不过对硬件要求相对较高。
咱们可以使用 API 来调用。只不过，API 是要花钱的。
幸好，我看到了 Orange.ai 网友推荐的免费使用方法，分享给你。
环境我们要使用的服务是 Siliconflow ，它类似于我 之前给你介绍过的 Open Router 以及 Together AI。原理都是集成多种不同的模型。然后你可以用一个密钥，调用任意它支持的模型。那感觉，就像进了自助餐厅一般。
你需要先注册一个账户，用手机号码和验证码即可。注册完之后，你会发现 Siliconflow 已经赠送你 42 块钱额度。
如果你之前早已习惯用 Claude 3 Opus 以及 GPT-4o 这样的模型，可能会觉得 42 块钱能干什么？一会儿不就用没了？
别急，我们现在用的是 Qwen2 模型。价格的差别嘛，你一会儿就能感受到。
我们先把 API 的密钥拿下来。左边栏账户下面有个专门的栏目叫 「API 密钥」，点击之后你可以直接创建一个新的密钥并且复制。
咱们闲言少叙，直接介绍用 Siliconflow + Qwen2 执行两个非常实用的功能，分别是翻译和数据分析。
翻译我们这里调用一个 Chrome 浏览器的插件叫 Immersive Translate。我在这篇文章里介绍过它。此处，咱们点开它的设置页面。
首先，你需要指定好目标语言。这里咱们选择简体中文。然后我们选择翻译引擎，Immersive Translate 提供了很多预置引擎供你选择。此处咱们选 OpenAI。
下面填写 API key，把刚才你从 Siliconflow 里复制的 API 密钥贴进去。
默认情况下，OpenAI 的 model 默认为一堆 GPT 模型，但你可以自己键入 alibaba/Qwen2-72B-instruct。
还有一个非常重要的栏目，是你需要输入一个 API 接口地址。Orange.ai 介绍说他测试过，输入内容与官方说明不同。这里你需要输入 ： https://api.siliconflow.cn。
然后你点击设置选项的其他标签页，刚才输入的设定内容会自动保存。
现在我们看看效果。这是一篇英文文章的局部：
在 macOS 上面，你用快捷键是 Option + A 启用 Immersive Translate ，你会看到页面很快变成中英文混排，一段英文对应一段中文的翻译。
这样阅读起来，是不是就流畅多了？
数据分析对于数据分析，我们这次用 Open Interpreter 加上 Qwen2。关于 Open Interpreter 的介绍，你可以参考这篇文章。
这次咱们定义一个 yaml 文件，保存对模型的配置。这样调用起来更方便。
我们使用的依然是刚才从 Siliconflow 获取的 API key，model 还是 alibaba/Qwen2-72B-instruct ，至于 API base ，依然填写 https://api.siliconflow.cn 。
后面的其他设置，你就照着我的样例填写即可。哦，对了，前面有一个 custom instructions （定制指令），咱们指出：「你是一名非常优秀的全能助手，尤其擅长数据分析……」
因为这次咱们定义了配置文件，所以你可以用 interpret --profile <path to your yaml> 的形式来调用这个 yaml 文件。
从上图里，你可以看到我给出的分析要求是：`plot NVDA price YTD ，就是让它把 NVIDIA（英伟达）从年初到今天的股价画出来。
它思考后，规划出了 3 个步骤，然后开始编程。
成功提取数据后，Open Interpreter 对数据做了可视化，并且把绘图结果保存到一个 png 文件。其文件名称为 nvda_ytd_price.png，这个自动命名也很合理。
咱们打开这个 nvda_ytd_price.png ，看看绘制的实际结果。
绘图准确无误。
只是看到这个图，我茫然若失，因为感觉自己好像又错过了什么😂
成本下面咱们看看，这一通翻译 + 数据分析 + 其他我没有给你演示的那些折腾…… 一共花了多少钱。
这是账单：
还记得吧？原来 Siliconflow 赠送给新注册用户 42 块，现在剩下 41.8935 元。你算算，我们到底花了多少？
这下你放心了吧？如果只是做翻译和数据分析任务，这些赠送的金额，够你用一阵子了，哈哈。
不过请你注意，官方的公测赠送金额活动，只持续到 2024 年 6 月 18 日。
抓紧时间注册吧，别跟上次 Perplexity 优惠一样错过了。
小结我们总结一下 Qwen2 这个模型的特点。便宜价格就不说了，想必你已经看到了。经过测试，我觉得 Qwen2 确实有良好的兼容性，它和 Immersive Translate 和 Open Interpreter 这些第三方应用之间可以通过 API 调用集成。另外它的速度快，性能也确实不错。
我希望这样的优质国产开源模型越来越多，因为对于很多小伙伴 —— 尤其是学生们来说 —— 的确是个好事。访问更加便利的同时，价格也更加便宜嘛。我准备这周的课程里，就用 Qwen2 替换掉原先的 Claude 3 Haiku ，让学生们来（更轻松地）尝试使用它编程和分析数据。
祝 AI 辅助工作和学习愉快哦！
如果你觉得本文有用，请点赞。
如果本文可能对你的朋友有帮助，请转发给他们。
欢迎关注我的专栏，以便及时收到后续的更新内容。
延伸阅读
https://blog.sciencenet.cn/blog-377709-1437770.html
上一篇：
开源免费 AI 朗读中文，居然也能以假乱真了？下一篇：
AI 工作流，选图形界面，还是命令行？
精选
