13B，用 ShareGPT 对话微调 LLaMA，训练成本约 $300

核心亮点

Vicuna 是 LMSYS（Chatbot Arena 团队）在 2023 年推出的开源对话模型，基于 LLaMA-13B 微调而来。它的成名点在于：用从 ShareGPT 收集的多轮对话数据训练，整体成本仅约 300 美元，却在多项评测中逼近 ChatGPT 的表现，第一次让"平民级"训练成为可能，引爆了开源对话模型的热潮。

具体能力

Vicuna 主打多轮对话质量。训练数据来自用户真实分享的 ChatGPT 对话，覆盖大量长上下文、复杂指令场景，使模型在连贯性、指令遵循和角色扮演上明显强于早期的 Alpaca、LLaMA 原生版本，对话体验更自然，也更少出现"忘记上文"的问题。

技术细节

训练采用标准的监督微调（SFT），在 8×A100 上约数小时完成；关键不在算法多新颖，而在数据质量与多轮格式。LMSYS 同时发布了基于 GPT-4 的自动评测流程，用模型给模型打分，这一做法后来被广泛沿用，成为开源评测的标配思路，也催生了一整条评测工具链。

与竞品对比

相比同期的 Alpaca（仅单轮指令）、Koala，Vicuna 凭借多轮对话数据在体验上更自然；相比闭源 ChatGPT，它用约 1/1000 的成本证明了"开源小模型 + 好数据"的潜力，成为开源社区的重要里程碑，也是后续众多中文对话模型与本地部署方案的起点。

行业影响

Vicuna 降低了"做出能用的对话模型"的门槛，直接催生了后续一系列开源微调模型与本地部署热潮。说白了，它让很多人第一次意识到：不用 OpenAI，也能跑起一个像样的聊天模型。如今它更多作为历史节点被引用，但其数据与方法论影响延续至今，仍是研究开源演进的重要案例。