Website • Dokumentation • Discord • YouTube-Tutorial
GPT4All führt große Sprachmodelle (LLMs) privat auf alltäglichen Desktops und Laptops aus.
Es sind keine API-Aufrufe oder GPUs erforderlich – Sie können einfach die Anwendung herunterladen und loslegen.
Lesen Sie in unserem Blog, was es Neues gibt.
Abonnieren Sie den Newsletter
GPT4All wird durch unseren Compute-Partner Paperspace ermöglicht.
— Ubuntu-Installer —
Windows und Linux erfordern Intel Core i3 2. Generation / AMD Bulldozer oder besser. Nur x86-64, kein ARM.
macOS erfordert Monterey 12.6 oder neuer. Beste Ergebnisse mit Prozessoren der Apple Silicon M-Serie.
Weitere Einzelheiten finden Sie in den vollständigen Systemanforderungen.
Flathub (von der Community gepflegt)
gpt4all
ermöglicht Ihnen den Zugriff auf LLMs mit unserem Python-Client rund um llama.cpp
-Implementierungen.
Nomic trägt zu Open-Source-Software wie llama.cpp
bei, um LLMs für alle zugänglich und effizient zu machen.
pip install gpt4all
from gpt4all import GPT4All
model = GPT4All ( "Meta-Llama-3-8B-Instruct.Q4_0.gguf" ) # downloads / loads a 4.66GB LLM
with model . chat_session ():
print ( model . generate ( "How can I run LLMs efficiently on my laptop?" , max_tokens = 1024 ))
?? Langchain ?️ Weaviate Vector Database – Moduldokumente ? OpenLIT (OTel-native Monitoring) – Dokumente
GPT4All freut sich über Beiträge, Beteiligung und Diskussionen aus der Open-Source-Community! Bitte lesen Sie CONTRIBUTING.md und befolgen Sie die Probleme, Fehlerberichte und PR-Markdown-Vorlagen.
Überprüfen Sie den Projektkonflikt mit den Projektinhabern oder anhand bestehender Probleme/PRs, um Doppelarbeit zu vermeiden. Bitte stellen Sie sicher, dass Sie alle oben genannten Punkte mit relevanten Projektkennungen versehen, da Ihr Beitrag sonst möglicherweise verloren geht. Beispiel-Tags: backend
, bindings
, python-bindings
, documentation
usw.
Wenn Sie dieses Repository, diese Modelle oder Daten in einem nachgelagerten Projekt verwenden, denken Sie bitte darüber nach, es zu zitieren mit:
@misc{gpt4all,
author = {Yuvanesh Anand and Zach Nussbaum and Brandon Duderstadt and Benjamin Schmidt and Andriy Mulyar},
title = {GPT4All: Training an Assistant-style Chatbot with Large Scale Data Distillation from GPT-3.5-Turbo},
year = {2023},
publisher = {GitHub},
journal = {GitHub repository},
howpublished = {url{https://github.com/nomic-ai/gpt4all}},
}