lonePatient/awesome-pretrained-chinese-nlp-models

Awesome Pretrained Chinese NLP Models，高质量中文预训练模型&大模型&多模态模型&大语言模型集合

このプロジェクトについて

厳選され、継続的に更新される、オープンソースの中国語NLPモデルのリスト（「Awesome」リスト）— 大規模言語モデル、マルチモーダルモデル、古典的な事前学習モデルを含み、さらにそれらを取り巻くツール、ベンチマーク、プラットフォームもまとめています。

含まれる内容

1. 大規模言語モデル（LLM）— 6つのカテゴリに分類:

カテゴリ	内容
Base-LLM	70億パラメータ以上の汎用基盤モデル（例：Qwen-2.5、InternLM、Llama-3.1）
Domain-Base-LLM	金融、医療、コード、数学など特定分野向けの基盤モデル（例：Tongyi-Finance、ChiMed-GPT、CodeShell）
ChatLLM	対話とQ&Aのための会話モデル（例：DeepSeek-V3、GLM-4.6、Kimi-K2）
Domain-ChatLLM	垂直分野向けの会話モデルで、主にコードに特化（例：DeepSeek-Coder-V2、CodeGeeX4）
MultiModal-ChatLLM	テキストに加えて画像、音声、動画、3D、ドキュメントを処理するモデル（例：MiniMax-Music3、Qianfan-OCR）
ReasoningLLM	数学・論理的推論能力に優れたモデル（例：GLM-5.3、Qwen3.8-Flash-Next）

2. 古典的な事前学習モデルシリーズ（LLM以前の時代）:

NLU（自然言語理解）: BERT、RoBERTa、ALBERT、ERNIEなど — 29モデル
NLG（自然言語生成）: GPT、T5、BART、CPM、RWKVなど — 18モデル
NLU-NLG（両方）: UniLM、GLM、CPT、SimBERT — 9モデル
マルチモーダル事前学習: WenLan、CogView、Chinese-CLIP、OFA — 13モデル

3. 埋め込みモデル — テキスト・画像・動画をベクトル表現に変換する16モデル（例：Qwen3-Embedding、Conan-embedding-v1）。

4. 評価ベンチマーク — モデル品質を測定する7つのツール:

C-Eval: 52科目にわたる13,948問の多肢選択問題
FlagEval: 多次元評価（正確性、効率性、堅牢性）
SuperCLUElyb: Eloレーティングシステムを使用した匿名の人間対人間モデル対戦
XiezhiBenchmark: 516分野にわたる220,000問
Open LLM Leaderboard: HuggingFaceの英語中心のリーダーボード
Chinese LLM Safety Evaluation Platform: ヘイトスピーチ、偏見、プライバシー侵害などをチェック
OpenCompass: ゼロショット、少数ショット、チェーン・オブ・ソートのテストをサポートするオープンソース評価フレームワーク

5. オープンソースモデルプラットフォーム — モデルのダウンロード先: HuggingFace、ModelScope、flagopen、始智AI (wisemodel)。

6. データセットリポジトリ — トレーニングデータの7つのソース。CLUECorpus2020（100GBの中国語テキスト）やMNBVC（大規模な中国語コーパス）を含みます。

7. その他のAwesomeリスト — 追加の厳選リソースリスト52件（AIエージェント、Claudeスキルなど）。

各モデルエントリの表示方法

すべてのモデルはテーブルで表示され、サイズ（パラメータ数）、リリース日、言語、アーキテクチャ（例：MoE = mixture-of-experts、CD = causal decoder）、ダウンロードリンク、プロジェクトリンク、機関、場合によっては論文やブログへのリンクが含まれます。完全なリストは別の docs/ ファイルに格納され、READMEにはサンプルのみが表示されます。

実用的な注意点

READMEは、中国本土でメインサイトからダウンロードが困難なユーザー向けに、HuggingFaceミラー（hf-mirror.com）を推奨しています。
プロジェクトは学術調査論文「A Survey of Large Language Models」（arXiv:2303.18223）にリンクしています。
リストは積極的にメンテナンスされており、更新ログには定期的に新しいモデルが追加されていることが示されています（例：2026年8月のHy4-previewやGLM-5.3）。

一言で言うと

オープンソースの中国語NLPモデル — 古典的なBERT時代のモデルから現代のLLMまで — を、必要なベンチマーク、プラットフォーム、データセットとともに、ワンストップで整理したディレクトリです。