1月21日，在猎户星空大模型发布会上，猎豹移动董事长傅盛以《AI大潮下企业如何创新？从技术狂欢到企业落地-私有化大模型是王道》做主题分享，正式发布猎户星空大模型，并带来七大场景应用微调模型与大模型应用交钥匙解决方案。

  猎户星空大模型（Orion-14B）是由猎户星空研发的预训练多语言大语言模型，以其140亿参数规模展现出了性能。Orion-14B模型在一个庞大且多样化的数据集上进行训练，数据集规模达到了2.5万亿token。这一规模不仅覆盖了常见语言，还涵盖了专业术语和特定领域知识，确保模型能够理解和生成多种语境下的文本。

  作为百亿参数大模型，Orion-14B的基座能力在MMLU、C-Eval、CMMLU、GAOKAO、BBH等第三方测试集上，均为同级别模型SOTA，表现优异；长可支持320K token超长文本，在三十万文字中任意位置随机隐藏关键信息，对模型进行提问，结果全部正确；通过AWQ Q4量化技术，模型大小减少70%，推理速度提升30%，性能几乎无损(损失小于1%)，可在千元级显卡可以流畅运行。

  此外，为了更好地满足企业的应用需求，猎户星空推出了微调全家桶。在专业应用场景层面，Orion-14B也表现出了显著的可塑性和广泛的应用潜力，可以与千亿级模型媲美。

  针对不同的应用需求，进一步扩展了猎户星空大模型（Orion-14B）的功能和实用性，着重打磨的两个方向，检索增强生成（RAG）和Agent。

  所有基于大模型搭建好的应用，想要获取实时数据，都需要建立在检索增强生成（RAG）技术之上，RAG能力微调模型（Orion-14B-RAG）使企业能够快速整合自身知识库，构建定制化的应用。猎户星空通过针对知识边界控制、问答对生成、幻觉控制、结构化数据提取等能力进行专项微调，使之成为适合开发RAG应用的底座模型。

  除了RAG，大模型应用可能拓宽的另一条重要路径，便是Agent。插件能力微调模型（Orion-14B-Plugin）的关键在于增强模型根据用户问题调用适配工具的能力，并将插件的结果与模型的处理相结合，以解决更复杂的问题。通过针对意图识别、函数调用、缺槽反问、单轮抽参、多轮抽参、ReAct 等能力进行专项微调，使之成为适合构建Agent应用的底座模型。

  大模型浪潮中，做好应用依然是创业者好的机会。为此，猎户星空推出大模型深度应用“聚言”，面向企业客户提供大模型咨询与服务一站式解决方案。基于“聚言”打造出的“数字老板”，可以帮助企业负责人全面掌握经营细节、不留遗漏，包括人力资产、云资产、数字资产等。

  在实践中猎户星空发现，企业需要的不是大模型，而是能够结合业务流并解决自身痛点的大模型应用。“聚言”就以猎户星空大模型为基座，结合场景应用微调套件，通过全链条的AI大模型咨询定制，为客户提供AI辅助决策交钥匙解决方案。



  “做出自己的千亿大模型，就一定能取得商业上的成功吗？如果技术没有和产品、应用形成闭环，再多技术投入都不能形成壁垒。”傅盛表示。现在大模型之路主流的模式，是投入资金预训练千亿级模型、微调，然后寻找应用场景。而猎户星空AI大模型创新以Think Different思维逻辑，在已知应用场景后，再微调，然后寻找合适的模型。