自从ChatGPT问世以来，国内外各类大模型如雨后春笋般涌现，仿佛春秋战国时期，一片“百花齐放、百家争鸣”的景象。各家大模型的名字也是各式各样，层出不穷。
现阶段，国外已发布的大模型之中，除了Open AI自家的王牌产品ChatGPT没有单独命名，直接采用Generative Pretrained Transformer英文首字母缩写以外，其后发布的大语言模型几乎都有各自的命名，如谷歌发布的Gemini和Meta发布的Llama以及斯坦福大学微调后Alpaca模型等等。
Llama和Alpaca这两个词源自西班牙语，中文都有 “羊驼”的意思。大语言模型（Large Language Models）英文缩写LLMs和“llama”这个词看起来很像。
之所以Meta给自家大语言模型取名“llama”，应该是考虑到“LLMs”不太好发音，所以就补上了元音字母，命名为“llama”读起来朗朗上口也便于记忆传播。也正是这样，大语言模型命名自此才和“羊驼”扯上了关系。
细心的读者会发现，“llama”、“alpaca”翻译成中文虽然都有 “羊驼”的意思，但实际上二者是有明显区别的，常常容易混淆。其实，Llama和Alpaca完全是两个不同的品种，通过外形很容易辨别。
Created by GPT4 image generator
确切地说，“llama”应该叫美洲驼，和骆驼是近亲物种，体型较大，也称“大羊驼”。而“alpaca”才是名副其实的正宗“羊驼”，外形有点像绵羊，腿比较短，看起来比较萌，也就是中文互联网传说中位列上古十大神兽之首——“草泥马”的原形。
Created by GPT4 image generator
作为秘鲁人饲养的两种动物，Llama和Alpaca的用途也不一样。Llama由于比较壮实，可以用来驮运。而看起来比较可爱呆萌的alpaca主要是剪毛，用来收集驼绒。
除此之外，还有两个英文单词也是和“羊驼”有关，分别是Vicuna和Guanaco。其中Vicuna已经被用作微调后的开源大模型命名。
Vicuna是UC Berkeley（加州大学伯克利分校）等研究人员联合其它几家研究机构共同推出的开源大语言模型Vicuna。该模型也是基于LLaMA微调后的。
注：作为大模型的另外一个“羊驼”命名品种，Vicuna一词来源西班牙语，词源是 vicuña （ña 读作 nia），中文名叫（南美）骆马，也称“小羊驼”。然而这类羊驼是野生的，也是秘鲁的国家标志。
Created by GPT4 image generator
Guanaco中文翻译是“原驼”，也叫“大羊驼”。看到这里不知道你是否已经开始懵圈，如果没有配图加以区分还真不好辨别“此羊驼非彼羊驼”。估计以后再有微调出来的大模型可能还会叫作guanaco，毕竟这也是羊驼的一种。
Created by GPT4 image generator
ps: 这里补充下，原驼（英文名：Guanaco）拉丁学名是Lama guanicoe，和“Llama”这个单词只差一个字母L，可谓同宗同源呐。
总结一下，llama/alpaca/vicuña/guanaco虽然中文里都是翻译为“羊驼”，实际上外形上还是有差异的。最后，为大家整理了以上四者外形上的区别。
Llama: Standing tall in a mountainous region of Andes Mountains, with a thick, shaggy coat.
美洲驼：生长在安第斯山脉高原地区，有着厚且蓬松的毛皮。
Alpaca: Smaller and fluffier than the llama, in a grassy field, its wool looking soft and dense.
羊驼：看起来比羊驼更小更蓬松，生活在草地上（“草泥马”命名应该就是这样来的），绒毛看起来柔软而密集。
Vicuña: The smallest and most delicate, with fine, light brown fur.
（南美）骆马，又称小羊驼：四种羊驼中最小且最娇弱的，毛色呈淡褐色且细腻。
Guanaco: Similar to a llama but with a smoother coat and a more wild appearance.
原驼：类似于羊驼但毛发更光滑、外观更具野性。
现今，大语言模型技术迭代速度可以说是以 “天”为单位，前有Meta开源大模型LLaMA“大羊驼”，接着紧跟斯坦福大学的Alpaca“羊驼”，再后来又有UC Berkeley主导的Vicuna“小羊驼”。羊驼品种虽多，现在看来如今也只剩下一个Guanaco没有被用来命名了，看样子名字似乎也快不够用了。
以上就是关于国外大模型命名和“羊驼”的渊源了，你都清楚了吗？下次再看到这些“羊驼”名称，应该不再容易混淆了。
