Dolphin 2.9.1 llama 3 70b
5630°
运行此模型
优惠 / 广告
Easy Creator (Prism) 网页
不限量 · 固定费用
最适合初学者。强大的工作流程,学习曲线低。
PirateDiffusion Telegram
不限量 · 固定费用
创建视频、图像、自定义聊天角色等。
Pro studio (SpyGlass) 网页
不限量 · 固定费用
从任何浏览器或手机浏览模型、渲染和优化。
Discord bot (Vector)
不限量 · 固定费用
将 Vector 添加到你的服务器或加入 Vector Discord。创造任何东西!
Unified Editor 网页
不限量 · 固定费用
图像和视频编辑器:在同一页面渲染、编辑、放大等。
本地应用
需设置
如果你的电脑硬件够好,可以安装本地程序。
ModelDuel 网页
按次付费
一次在多达50个检查点/基础模型上生成相同的提示。
本模型的指南
2026年最便宜的10款ChatGPT替代品:免费本地模型、免费套餐和固定费率计划
开放权重 vs 开源 vs 仅API:你到底能做什么
什么是 GGUF 文件?量化模型详解(Q4、Q8、fp8、NF4)
cognitivecomputations | 8,192 令牌上下文 | $0.35/M 输入,$0.40/M 输出。Dolphin 2.9.1 是微调的 Llama-3-70b 模型。新模型基于筛选数据训练,更加合规但不受审查。其在指令、对话、编码和函数调用能力上均有所提升。
船长笔记
2026-10-13 的笔记
Dolphin 2.9.1 是 Cognitive Computations 对 Meta 的 Llama 3 70B 进行微调的版本,使用过滤后的数据训练,生成一个能够遵循指令且不会像基础 Llama 版本那样频繁拒绝响应的模型。它集成了指令遵循、多轮对话、编码和函数调用功能于一体。每千个令牌成本不到半美分,适合希望获得功能强大且合规的 70B 级模型但又不想支付高昂前沿价格的开发者。
以……著称
- 无审查的指令遵循:拒绝响应比基础 Llama 3 70B 少。
- 改进的函数调用,适用于工具使用和代理流水线。
- 相对于其价格档位,编码和对话表现稳健。
- 极低成本:每百万输入令牌 0.35 美元,输出令牌 0.40 美元。
注意
- 权重未公开,仅通过 API 访问。
- 8192 令牌上下文长度按当前标准较短,处理长文档需分块。
- 无审查微调可能产生其他模型会拒绝的输出,请谨慎使用。
推荐尝试的提示词
函数调用示例
你有一个工具叫 get_weather(location: str, units: str) -> dict。写出调用该函数以获取奥斯陆当前摄氏度天气的 JSON 函数调用,然后写一个简短的 Python 包装函数,使用基于 requests 的真实 API 调用该接口。
直接的代码审查
请审查以下 Python 函数,准确指出其错误、为何在高负载下会失败,以及我应如何重写。请直接批评,不要委婉。
def get_user(id):
conn = sqlite3.connect('app.db')
return conn.execute(f'SELECT * FROM users WHERE id = {id}').fetchone()
多轮角色扮演场景
你是一位简洁且怀疑的高级工程师,正在面试一位声称构建了分布式键值存储的候选人。请逐条提出三个深入的技术问题,等待我的回答,如果任何回答含糊或不可信,请强烈质疑。
与……比较
- GPT-5.6 Luna仅限API模型1,050,000 令牌上下文 · $0.20/M 输入,$1.20/M 输出
- Solar Pro 4仅限API模型524,288 令牌上下文 · $0.09/M 输入,$0.36/M 输出
- GPT-6 Luna仅限API模型1,050,000 令牌上下文 · $0.10/M 输入,$0.50/M 输出
- Claude Opus 5.5仅限API模型1,000,000 令牌上下文 · $4.00/M 输入,$20.00/M 输出
来自 cognitivecomputations 的更多文本模型
常见问题
- 我可以本地运行 Dolphin 2.9.1 Llama 3 70B 吗?
- 权重未在公共仓库发布,因此无法本地使用——只能通过 API 访问该模型。
- 费用是多少,支持多长上下文?
- 输入每百万令牌 0.35 美元,输出每百万令牌 0.40 美元,上下文窗口为 8192 令牌。
- Dolphin 与标准 Llama 3 70B 有何不同?
- Cognitive Computations 在过滤数据上进行了微调,减少拒绝响应,提升了指令遵循、编码和函数调用能力,相较于 Meta 基础版本表现更佳。
船长评语一款价格低廉、合规的 70B 微调模型,适合函数调用和无护栏指令任务——但需注意上下文较短。
船长根据模型自身描述和模型卡撰写这些笔记。价格和上下文大小为撰写时提供商的数据,可能会变动。
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
这个评分是怎么计算的
这个模型还没有任何来源的流行度数据,所以它用一个低于 7,000° 的替代数值来保持列表完整。它永远不会排在有数据的模型前面。一旦有来源报告数据,分解就会显示在这里。
术语表:这里用到的术语
- 热度得分
- 一个数字,表示模型当前的使用和需求程度,范围从0°到9,999°。本站所有标注为最热门的榜单都按这个分数排序,别无他物。
- 基准线
- 所有有真实数据的模型起始于7,000°。分数范围是0°到9,999°;基准线以下的部分保留给无数据的替代模型,这样有数据的模型总是排在无数据模型之上。基准线对所有人相同,不影响排名;超过基准线的度数才是实际测量值。
- 下载等价量
- 得分中当作下载计算的所有项目总和:下载本身,每个种子上传者算1,000,每个AI Horde图片和每次生成网站的运行算一个。
- 对数刻度
- 以十为单位计数,而不是以一为单位:从1,000到10,000下载增加的热度和从10,000到100,000增加的热度相同。这样可以防止巨头压倒一切。
- 点赞
- 来自所有来源的点赞和竖起大拇指,每个点赞在对数刻度上价值半个下载。
- 采用率
- 模型当前每天的下载次数,基于两次读数的差值。权重是下载项的四分之一。
- 测量与估算
- 测量表示有两个来源的读数,且差异是真实的。估算表示只知道今天的总数,过去的数据是根据模型的生命周期分配的;网站会说明显示的是哪种。
- 做种者
- 指那些在线保存权重副本供他人通过种子下载的人,或者提供同样服务的托管镜像。每个做种者相当于1000次下载。
- AI Horde
- 一个志愿者网络,在捐赠的电脑上免费生成图片。它用某个模型生成的图片数量是公开的,每张图片算作一次下载。
- 生成网站
- 托管自己模型副本并允许用户生成的站点,比如PixAI、SeaArt和Yodayo。它们的下载计数和Civitai一样,每次生成算一次下载。
- OpenRouter 令牌
- 通过API提供的文本模型,如Claude或GPT,没有权重需要下载,因此其使用量以令牌计量:过去30天内通过OpenRouter(一种许多应用使用的网关)读取和生成的文本片段。每10,000,000个令牌计为一次下载。来源:OpenRouter (openrouter.ai/rankings),CC BY 4.0。
- 完整模型(检查点)
- 权重文件本身,是能独立生成的文件。它会获得额外加分,因为附加组件依赖它。
- LoRA和嵌入
- 小型附加文件,用来引导别人的权重朝向某种风格、角色或概念。它们不能单独运行。
- 家族与权重
- 模型构建所基于的基础,比如SD 1.5、SDXL、Flux或Wan。每个模型继承其家族权重的发布日期。
- 年龄
- 根据家族权重发布多久,扣除的度数:每年150°,最多750°。它保留了那些积累了多年下载量的老模型,防止它们被挤出榜单顶部。
- 家族加成
- 对当前网站重点推广的某个家族的LoRA给予的小幅度限制性加分,总是在分数细目中列出。
- 替代分数
- 给还没有任何来源报告的模型一个稳定的最低分数,这样榜单才完整。它永远不会高于有数据的模型。
- 新模型!(宽限期)
- 不到7天的新模型显示“新模型!”而非分数,且不参与排名。其分数从第一天开始计算,但一天大的模型增长最快,若不等待,周榜#1总是昨天刚发布的模型,而非持续一周的。
- 趋势
- 模型在某段时间内的增长与同一时间段内典型模型增长的对比。比典型快表示上升,比典型慢表示下降。
- 典型模型
- 目录的中间值:一半有数据的模型增长比它快,一半比它慢。







