| భాగం | ఆర్టికల్ | కవర్ చేసేది |
|---|---|---|
| 1 | ఉచిత vs. చెల్లింపు AI మోడళ్లు: పదాలు నిజంగా ఏమి అర్థం | ప్రతి టైర్ అర్థం ఏమిటి, $0 వద్ద మీరు ఏమి కోల్పోతారు, లైసెన్స్లు, ఒక నిర్ణయ ఫ్రేమ్వర్క్ |
| 2 | ఓపెన్ AI మోడళ్లను మీరే నడపడం: అది నిజంగా ఏమి తీసుకుంటుంది | హార్డ్వేర్, టూల్స్, నైపుణ్యాలు, మరియు సెల్ఫ్-హోస్టింగ్ యొక్క నిజమైన సవాళ్లు |
| 3 | ఓపెన్ AI మోడళ్లను ఎక్కడ కనుగొని సురక్షితంగా ధృవీకరించాలి | నమ్మదగిన మూలాలు, ట్యాంపర్ చేసిన డౌన్లోడ్లను గుర్తించడం, సురక్షిత పద్ధతులు |
| 4 | ఇప్పుడు తెలుసుకోవలసిన ఓపెన్ AI మోడళ్లు (ఈ ఆర్టికల్) | 18 ప్రస్తుత ఉచిత మరియు ఓపెన్-వెయిట్ మోడళ్ల ఫీల్డ్ గైడ్ |
ఈ భాగం 1–3 భాగాలను ఊహిస్తుంది: “ఓపెన్-వెయిట్” అంటే ఏమిటి, ఒకదాన్ని నడపడానికి ఏమి కావాలి, మరియు సురక్షితంగా ఒక కాపీని ఎలా పొందాలి. ఈ భాగం ఆ జ్ఞానానికి పేర్లు పెడుతుంది.
దీన్ని ఒక స్నాప్షాట్గా చదవండి, ర్యాంకింగ్గా కాదు
2026 సెప్టెంబర్ చివరి నాటికి. ఈ రంగంలో ప్రతి కొన్ని నెలలకు కొత్త మోడళ్లు ఈరోజు ఉత్తమమైనవాటి స్థానంలోకి వస్తాయి, మరియు కింద జాబితా చేయబడిన మోడళ్లు కూడా వాటి సొంత విడుదల షెడ్యూల్లో కొత్త వెర్షన్లతో అప్డేట్ అవుతాయి. ఈ జాబితా ఒక మోడల్ను మరొకదాని కంటే ఆమోదించడం కాదు, మరియు ఇది ఎంపికల పూర్తి సెట్ అని కూడా వాదన కాదు — ఇది మరింత చదవడానికి ప్రారంభ బిందువు, 1వ భాగం యొక్క లైసెన్స్ టేబుల్ మరియు 2వ భాగం యొక్క హార్డ్వేర్ టేబుల్ ఇప్పటికే కవర్ చేసిన దానితో పాఠకుడు ఒక మోడల్ను సరిపోల్చుకోగలిగేలా నిర్వహించబడింది.
ప్రతి ఎంట్రీ ప్రచురణకర్త, లైసెన్స్ ఫ్యామిలీ (ఇవి నిజంగా దేన్ని పరిమితం చేస్తాయో చూడటానికి 1వ భాగం చూడండి), ఒక సుమారు పరిమాణం, మరియు మోడల్ సాధారణంగా దేనికి ప్రసిద్ధి చెందిందో జాబితా చేస్తుంది. ఖచ్చితమైన పారామీటర్ కౌంట్లు, కాంటెక్స్ట్ లెంగ్త్లు, మరియు బెంచ్మార్క్ స్థానాలు ప్రతి పాయింట్ విడుదలతో మారతాయి — ఇక్కడ ఉన్న ఏ గణాంకంపైనైనా ఆధారపడే ముందు, ప్రస్తుత సంఖ్యల కోసం మోడల్ యొక్క సొంత పేజీని Hugging Face లో లేదా ప్రచురణకర్త సైట్లో తనిఖీ చేయండి.
జనరల్-పర్పస్ మోడళ్లు
| మోడల్ | ప్రచురణకర్త | లైసెన్స్ | సుమారు పరిమాణం | దేనికి ప్రసిద్ధి |
|---|---|---|---|---|
| Llama 4 (Scout / Maverick) | Meta | Llama Community License (700M MAU థ్రెషోల్డ్ — 1వ భాగం చూడండి) | 109B–400B మొత్తం, 17B యాక్టివ్ (మిక్చర్-ఆఫ్-ఎక్స్పర్ట్స్) | చాలా పొడవైన కాంటెక్స్ట్ విండోలు; ఏ ఓపెన్-వెయిట్ ఫ్యామిలీ కంటేనైనా అత్యంత విస్తృత థర్డ్-పార్టీ టూల్ సపోర్ట్ |
| Qwen3 / Qwen3.5 | Alibaba | Apache 2.0 | 1.7B–235B | చాలా విస్తృత పరిమాణ శ్రేణిలో బలమైన రీజనింగ్; విస్తృత బహుభాషా కవరేజ్ |
| DeepSeek-V3 / R1 | DeepSeek | MIT | 671B మొత్తం, 37B యాక్టివ్ (మిక్చర్-ఆఫ్-ఎక్స్పర్ట్స్) | పూర్తిగా అనుమతినిచ్చే లైసెన్స్తో ఫ్రాంటియర్-స్థాయి రీజనింగ్ మరియు కోడింగ్ బెంచ్మార్క్లు |
| Mistral Small / Large | Mistral AI | Apache 2.0 | Small మోడళ్ల ఖచ్చితమైన పరిమాణం వెల్లడించబడలేదు; Large 2 వద్ద 123B | సమర్థవంతమైన ఇన్ఫరెన్స్, బలమైన ఫంక్షన్-కాలింగ్ మరియు ఏజెంటిక్ టూల్-యూజ్ సపోర్ట్ |
| Gemma 3 | Gemma Terms of Use | 1B–27B | మధ్యస్థ హార్డ్వేర్పై నడుస్తుంది; విస్తృత బహుభాషా మరియు మల్టీమోడల్ సపోర్ట్ | |
| Phi-4 / Phi-4-mini | Microsoft | MIT | 3.8B–14B | దాని పరిమాణానికి బలమైన రీజనింగ్; మినీ వెర్షన్ CPU-మాత్రమే హార్డ్వేర్పై నడుస్తుంది |
| gpt-oss | OpenAI | Apache 2.0 | 20B, 120B | OpenAI యొక్క మొదటి బహిరంగంగా లైసెన్స్ చేసిన వెయిట్ విడుదల; రీజనింగ్ పనుల కోసం నిర్మించబడింది |
| Falcon 3 | Technology Innovation Institute (UAE) | Apache 2.0 | 1B–10B | ఎడ్జ్ మరియు ఆన్-డివైస్ వినియోగం కోసం లక్ష్యంగా చేసుకున్న తేలికపాటి జనరల్-పర్పస్ మోడళ్లు |
| Yi-1.5 | 01.AI | Apache 2.0 | 6B–34B | మధ్య-పరిమాణ శ్రేణిలో సమతుల్యమైన జనరల్-పర్పస్ పనితీరు |
| InternLM 3 | Shanghai AI Laboratory | Apache 2.0 | 8B | దాని పరిమాణానికి బలమైన రీజనింగ్ బెంచ్మార్క్లతో పరిశోధన-కేంద్రీకృత విడుదల |
| Jamba 1.5 | AI21 Labs | Apache 2.0 | 52B మొత్తం, 12B యాక్టివ్ (హైబ్రిడ్ ఆర్కిటెక్చర్) | తక్కువ మెమరీ ఖర్చుతో పొడవైన కాంటెక్స్ట్ కోసం ట్రాన్స్ఫార్మర్ మరియు స్టేట్-స్పేస్ డిజైన్ను కలుపుతుంది |
| DBRX | Databricks | Databricks Open Model License | 132B మొత్తం, 36B యాక్టివ్ | ఎంటర్ప్రైజ్-కేంద్రీకృత మిక్చర్-ఆఫ్-ఎక్స్పర్ట్స్ విడుదల |
| Command R+ | Cohere | CC-BY-NC (నాన్-కమర్షియల్) | 104B | రిట్రీవల్-ఆగ్మెంటెడ్ మరియు మల్టీ-స్టెప్ టూల్-యూజ్ పనులలో బలమైనది; వాణిజ్య ఉత్పత్తుల కోసం లైసెన్స్ చేయబడలేదు |
| Kimi K2.5 | Moonshot AI | మార్పు చేసిన MIT (పేర్కొన్న వినియోగ థ్రెషోల్డ్ దాటిన తర్వాత అట్రిబ్యూషన్ అవసరం) | 1T మొత్తం, 32B యాక్టివ్ | అనేక బెంచ్మార్క్లలో ఫ్రాంటియర్ చెల్లింపు మోడళ్లతో పోటీపడే చాలా పెద్ద మిక్చర్-ఆఫ్-ఎక్స్పర్ట్స్ మోడల్ |
కోడింగ్ స్పెషలిస్టులు
| మోడల్ | ప్రచురణకర్త | లైసెన్స్ | సుమారు పరిమాణం | దేనికి ప్రసిద్ధి |
|---|---|---|---|---|
| DeepSeek-Coder-V2 | DeepSeek | MIT | 236B మొత్తం, 21B యాక్టివ్ | DeepSeek యొక్క ఆర్కిటెక్చర్ యొక్క కోడింగ్-కేంద్రీకృత వేరియంట్ |
| Qwen2.5-Coder | Alibaba | Apache 2.0 | 0.5B–32B | కోడ్ జనరేషన్ మరియు కంప్లీషన్ కోసం ప్రత్యేకంగా నిర్మించిన విస్తృత పరిమాణ శ్రేణి |
| StarCoder2 | BigCode / Hugging Face / ServiceNow | BigCode OpenRAIL-M | 3B–15B | అనుమతినిచ్చే లైసెన్స్ ఉన్న సోర్స్ కోడ్పై ప్రత్యేకంగా శిక్షణ పొందింది |
| Devstral | Mistral AI | Apache 2.0 | 24B | సాఫ్ట్వేర్-ఇంజినీరింగ్ ఏజెంట్లు మరియు మల్టీ-ఫైల్ కోడింగ్ పనుల కోసం నిర్మించబడింది |
| CodeLlama | Meta | Llama Community License | 7B–70B | Meta యొక్క అసలైన కోడ్-స్పెషలైజ్డ్ Llama వేరియంట్ |
చిన్న మరియు ఎడ్జ్-ఫ్రెండ్లీ మోడళ్లు
| మోడల్ | ప్రచురణకర్త | లైసెన్స్ | సుమారు పరిమాణం | దేనికి ప్రసిద్ధి |
|---|---|---|---|---|
| Phi-4-mini | Microsoft | MIT | 3.8B | GPU అవసరం లేకుండా, CPU-మాత్రమే హార్డ్వేర్పై ఆమోదయోగ్యంగా నడుస్తుంది |
| Gemma 3 (1B–4B వేరియంట్లు) | Gemma Terms of Use | 1B–4B | ఆన్-డివైస్ మరియు మొబైల్ వినియోగానికి సరిపోయే చిన్న మల్టీమోడల్ మోడళ్లు | |
| StableLM 2 | Stability AI | Stability AI Community License | 1.6B–12B | Stability AI నుండి తేలికపాటి జనరల్-పర్పస్ ఫ్యామిలీ |
నిజంగా “ఓపెన్ సోర్స్” అయిన ఏకైక ఎంట్రీ, పేరు చెప్పదగినది
1వ భాగం ఓపెన్-వెయిట్ (శిక్షణ పొందిన సంఖ్యలు మాత్రమే బహిరంగం) మరియు నిజమైన ఓపెన్ సోర్స్ (ట్రైనింగ్ డేటా మరియు ప్రక్రియ కూడా బహిరంగం) మధ్య ఒక గీత గీసింది. పైన ఉన్న దాదాపు ప్రతి మోడల్ ఓపెన్-వెయిట్ మాత్రమే. Allen Institute for AI నుండి వచ్చిన OLMo 2, Apache 2.0 కింద తన ట్రైనింగ్ డేటా మరియు ట్రైనింగ్ కోడ్ను కూడా ప్రచురించే కొన్ని ప్రస్తుత విడుదలలలో ఒకటి, పూర్తి బహిరంగత నిజంగా ఎలా ఉంటుందో దాని కోసం ఒక నిజమైన రిఫరెన్స్ పాయింట్గా దీన్ని మారుస్తుంది — పైన ఉన్న అతిపెద్ద క్లోజ్డ్-ట్రైనింగ్ విడుదలల కంటే చిన్నదిగా (7B–13B) మరియు ఫ్రాంటియర్ బెంచ్మార్క్లపై తక్కువ సామర్థ్యం కలిగి ఉండటం అనే ఖర్చుతో.
ఈ జాబితాను సిరీస్ మిగతా భాగాలతో కలిపి వాడటం
- దేనికైనా వాణిజ్యపరంగా వాడే ముందు, ఇక్కడ ఉన్న మోడల్ లైసెన్స్ను 1వ భాగం లైసెన్స్ టేబుల్తో సరిపోల్చండి.
- మీ మెషీన్పై నిజంగా నడుస్తుందని అనుకునే ముందు, ఇక్కడ ఉన్న మోడల్ పరిమాణాన్ని 2వ భాగం హార్డ్వేర్ టేబుల్తో సరిపోల్చండి.
- ఒక మోడల్ పేరు ఎంత ప్రసిద్ధమైనదైనా, 3వ భాగంలో వివరించిన మూలాలు మరియు ఫార్మాట్ల నుండి మాత్రమే డౌన్లోడ్ చేయండి.
ఇప్పటివరకు ఈ సిరీస్
ఇది నాలుగు-భాగాల సిరీస్ను ముగిస్తుంది. కలిసి, ఈ భాగాలు సమాధానం ఇస్తాయి: టైర్లు అంటే ఏమిటి, ఒకదాన్ని నడపడానికి నిజంగా ఏమి కావాలి, ఒకదాన్ని సురక్షితంగా ఎక్కడ పొందాలి, మరియు ఈరోజు ఏ నిర్దిష్ట మోడళ్లు ఉన్నాయి. ఏదైనా ఒక్క భాగంలో దిగిన పాఠకుడు, మిగతా మూడింటికి చేరుకోవడానికి దాని పైభాగంలో ఉన్న టేబుల్ను వాడవచ్చు.
- భాగం 1 — ఉచిత vs. చెల్లింపు AI మోడళ్లు: పదాలు నిజంగా ఏమి అర్థం. ప్రతి టైర్ అర్థం ఏమిటి, $0 వద్ద మీరు ఏమి కోల్పోతారు.
- భాగం 2 — ఓపెన్ AI మోడళ్లను మీరే నడపడం: అది నిజంగా ఏమి తీసుకుంటుంది. హార్డ్వేర్, టూల్స్, మరియు సెల్ఫ్-హోస్టింగ్ యొక్క నిజమైన ట్రేడ్-ఆఫ్లు.
- భాగం 3 — ఓపెన్ AI మోడళ్లను ఎక్కడ కనుగొని సురక్షితంగా ధృవీకరించాలి. నమ్మదగిన మూలాలు, మరియు తారుమారు చేసిన డౌన్లోడ్ను ఎలా గుర్తించాలి.
మరింత లోతుగా
- Hugging Face Models — ఒక మోడల్ యొక్క ప్రస్తుత వెర్షన్, లైసెన్స్, మరియు ఫైల్ ఫార్మాట్లను నేరుగా తనిఖీ చేయడానికి ప్రధాన కేటలాగ్.
- LMSYS Chatbot Arena — మోడల్ పనితీరును పోల్చడానికి స్వతంత్ర, నిరంతరం అప్డేట్ అయ్యే లీడర్బోర్డ్, పైన ఉన్న స్థానాలు ఇంకా నిలుస్తున్నాయా అని తనిఖీ చేయడానికి ఉపయోగకరం.
- Meta Llama models, Qwen, Mistral AI, Google Gemma, DeepSeek — ఈ ఆర్టికల్లో ఎక్కువగా చర్చించిన మోడళ్ల కోసం అధికారిక ప్రచురణకర్త పేజీలు.
ఈ ఆర్టికల్ ఒక స్నాప్షాట్ మరియు దీన్ని శాశ్వత రిఫరెన్స్గా పరిగణించడం కంటే, క్రమం తప్పకుండా (సిఫారసు: ప్రతి 3–4 నెలలకు) సమీక్షించి రిఫ్రెష్ చేయాలి. దీన్ని అప్డేట్ చేసినప్పుడు, అసలైన ప్రచురణ తేదీ అలాగే ఉంటుంది మరియు TechiesJournal యొక్క ప్రచురణ ప్రమాణం ప్రకారం ప్రత్యేక “అప్డేట్ చేయబడింది” తేదీ జోడించబడుతుంది.