MiniMind

MiniMind 是用低成本训练大语言模型的开源工具，从零开始，仅需 2 小时和 3 块钱，就能训练出 26M 参数的迷你 GPT 模型。

亮点

2 小时快速训练，适合个人 GPU 用户

仅需 3 块钱的服务器成本，超低门槛

提供完整训练代码，涵盖预训练、微调、蒸馏等全过程

项目包含

MiniMind-LLM 结构的全部代码（Dense+MoE 模型）。

包含 Tokenizer 分词器详细训练代码。

包含 Pretrain、SFT、LoRA、RLHF-DPO、模型蒸馏的全过程训练代码。

收集、蒸馏、整理并清洗去重所有阶段的高质量数据集，且全部开源。

从 0 实现预训练、指令微调、LoRA、DPO 强化学习，白盒模型蒸馏。关键算法几乎不依赖第三方封装的框架，且全部开源。

同时兼容 transformers、trl、peft 等第三方主流框架。

训练支持单机单卡、单机多卡 (DDP、DeepSpeed) 训练，支持 wandb 可视化训练流程。支持动态启停训练。

在第三方测评榜（C-Eval、C-MMLU、OpenBookQA 等）进行模型测试。

实现 Openai-Api 协议的极简服务端，便于集成到第三方 ChatUI 使用（FastGPT、Open-WebUI 等）。

基于 streamlit 实现最简聊天 WebUI 前端。

复现 (蒸馏 / RL) 大型推理模型 DeepSeek-R1 的 MiniMind-Reason 模型，数据 + 模型全部开源。

MiniMind 的整体结构一致，只是在 RoPE 计算、推理函数和 FFN 层的代码上做了一些小调整。 其结构如下图：