如何免费用 Qwen2 辅助你翻译与数据分析？

对于学生用户来说，这可是个好消息。

开源

从前人们有一种刻板印象——大语言模型里好用的，基本上都是闭源模型。而前些日子，Meta推出了Llama3后，你可能已经从中感受到现在开源模型日益增长的威力。当时我也写了几篇文章来介绍这个系列模型，例如这一篇《如何免费用 Llama3 70B 帮你做数据分析与可视化》，很受欢迎。

最近阿里推出了新一代的开源大语言模型 Qwen2。同样是一个系列 —— 从非常小不到 10 亿参数的模型，一直到 72B （也就是 720 亿）参数的中型模型。因为信息比较多，我干脆让 Perplexity 给我对 Qwen2 的信息做了个汇总。

Perplexity 说，Qwen2 系列模型规模大，多语言能力强，并且在编程、数学等领域提升非常明显，且支持超长上下文。最后这一点，我觉得它比 Llama 3 的表现要好。

我这里拿了一张 Qwen2 发布会时的图，它展示了 Qwen2 的 72B 与 Llama3 的 70B 以及 Mixtral-8x22B 混合专家模型间的对比。Qwen2 相较于后者，在每一个指标上都有提升。

当然，我们不能光看数据对吧？这篇文章，咱们得动手实践获得一手认知。首先，咱们来试试本地运行。

尝试

考虑到本地机器计算能力限制，我们选一个小一点的模型，也就是 Qwen2 的 7B 模型。这里我使用 Ollama 来运行它。关于 Ollama 的介绍，可以参考这篇文章。

我们执行指令：

ollama run qwen2

Ollama 会立即自动下载模型。

下载好后，你就可以直接跟它对话了。

我提的问题是：

帮我写个 Snake Game in Python。

你可能会问，为什么指令写得这么奇怪？你要么说中文，要么说英文，为什么中英文混用呢？

答案是我故意的因为Qwen2号称多语言能力比较强，所以我们先让它试试这种混用看效果怎么样。

测试结果来看，Qwen2 对中英文混合的 prompt 理解效果挺好。它不仅懂了我的意思，还直接开始基于 Pygame 来输出 Python 代码。

代码完整输出完后，Qwen2 还会告诉用户怎么用。

我于是先按照它的要求把 Pygame 安装上。

之后，我把 Qwen2 生成的代码贴到 Visual Studio Code 里面，再执行。

这是运行的效果。我试玩儿了好一会儿。

你不难发现，「人工智能」挺智能的，可以快速编出这样的程序；反倒是玩儿游戏的这家伙，看上去似乎不怎么智能