隨着大型語言模型（LLMs）在自然語言處理(NLP)領域的廣泛應用，文本生成和語言理解等任務的效果得顯著提升。然而，阿拉伯語由於其複雜的詞形變化、豐富的方言和文化背景，依然在語言模型的應用中被低估。許多先進的語言模型主要針對英語，導致阿拉伯語相關模型要麼過於龐大，計算需求高，要麼無法充分體現文化細節。超過70億參數的模型如 Jais 和 AceGPT 具備強大的能力，但由於資源消耗巨大，難以在廣泛應用中得到推廣。因此，迫切需要一種兼顧效率與性能的阿拉伯語模型。爲了
["Jais是首個面向阿拉伯語的開源大模型,參數達130億","Jais在阿拉伯語任務表現可匹敵商業英語ChatGPT模型","Jais使用Cerebras專用AI芯片訓練,具技術創新"]
["阿聯酋科技集團 G42 與 Cerebras Systems 合作推出名爲 Jais 的開源阿拉伯語 AI 模型，可爲生成式 AI 應用提供支持。","Jais 是一個大語言模型，包含 130 億個參數，是從阿拉伯語和英語數據中訓練而成的。","Jais 將以開源許可方式提供，有助於促進阿拉伯語資源的開發和阿拉伯世界的 AI 進步。"]
13B參數阿拉伯語英語同構模型
linagora
Labess-7b-chat 是一個針對突尼斯方言（Derja）進行指令調優的開源模型，基於 jais-adapted-7b-chat 模型，使用突尼斯方言數據集進行持續預訓練。
MBZUAI-Paris
Atlas-Chat是一系列專為摩洛哥口語Darija進行指令調優的開源大語言模型，是JAIS項目的一部分。該模型擁有20億參數，能夠高效生成流暢的摩洛哥Darija文本，適用於資源受限環境部署。
inceptionai
Jais系列是專為阿拉伯語優化的雙語大語言模型，同時具備強大的英語能力。30B-16K版本擁有300億參數，支持16,384個token的上下文長度。
Jais系列是專精阿拉伯語處理同時具備強大英語能力的雙語大語言模型，包含從5.9億到700億參數的不同規模變體
Jais系列是一個全面的英阿雙語大語言模型，專為阿拉伯語優化同時具備強大的英語能力。該模型經過指令微調，適用於對話場景。
Jais系列是專為阿拉伯語優化的英阿雙語大語言模型，13B版本具有130億參數，支持2048標記的上下文長度。
Jais系列是專為阿拉伯語優化的英阿雙語大語言模型，具備強大的英語能力，參數量6.7億
Jais家族是一個專為阿拉伯語優化的雙語大語言模型系列，同時具備強大的英語能力。該6.7B參數模型採用從頭預訓練方式，支持阿拉伯語和英語文本生成。
Jais系列是專為阿拉伯語和英語優化的雙語大語言模型，包含從5.9億到700億參數的不同規模變體
Jais是專為阿拉伯語優化的雙語大語言模型家族，具備強大的英語能力，參數量從5.9億到700億不等
Jais Adapted 13B是基於Llama-2架構的雙語（阿拉伯語-英語）大語言模型，通過自適應預訓練增強阿拉伯語能力
Jais系列是專精阿拉伯語處理的雙語大語言模型，具備強大的英語能力，參數量13億
Jais系列是基於Llama-2架構的雙語大語言模型，專為阿拉伯語優化同時具備強大英語能力。本模型為700億參數規模的阿拉伯語自適應版本，支持4,096上下文長度。
Jais系列13億參數阿拉伯語-英語雙語大語言模型，專為卓越的阿拉伯語能力優化，同時具備強大英語能力
Jais系列是專精阿拉伯語處理的雙語大語言模型，基於Llama-2架構進行阿拉伯語適配預訓練
Jais系列是一個專為阿拉伯語優化的雙語大語言模型，同時具備強大的英語能力。該590M參數版本是系列中最小的模型，適用於輕量級應用。
Jais系列是一個阿拉伯語-英語雙語大語言模型，特別優化阿拉伯語表現，同時保持強大英語能力。590m版本是該系列的基礎模型之一。
Jais系列是一組英阿雙語大語言模型，針對阿拉伯語優化同時保持強大英語能力，包含從5.9億到700億參數的不同規模模型。
Jais系列是專為阿拉伯語優化的英阿雙語大語言模型，基於Llama-2架構進行自適應預訓練，具備強大的雙語處理能力。
Jais-30b-chat-v3是基於Jais-30b-v3在精選阿拉伯語和英語問答數據集上微調而成的大語言模型，專為阿拉伯語和英語對話優化，具有8000令牌的長上下文處理能力。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
