我第一眼看到 GuppyLM，先记住的不是参数，是它小。
不到 900 万参数。放在现在这些动不动几十亿、几百亿参数的模型旁边，确实像条小鱼。名字也没装，Guppy，小孔雀鱼。
很多人想学大语言模型，卡住的地方也不是“不想学”。
是刚打开资料，就被一堆词拍脸上：语料、token、transformer、训练、推理、分布式。还没开始，脑子已经想关网页了。
GuppyLM 的好处，是它没有一上来把你丢进海里。它把一整套语言模型流程缩得很小，小到你能顺着看完。数据从哪来，分词器怎么训，模型怎么搭，最后怎么让它吐字、对话，这些东西都在。
这和很多“AI 入门项目”不太一样。那些项目经常是调一下 API，跑一个 demo，然后输出一段文本。
结果是有了，中间那层还是黑的。你看到一个输入框，一个输出框，可模型到底怎么从文本长出来，没感觉。
GuppyLM 更像是把外壳拆开。不精致，倒是清楚。
我比较喜欢的一点是，它不是只写在 README 里好看。
普通电脑能跑，浏览器里也能试，Google Colab 上可以一键训练。这几个字对老手可能没什么，对刚入门的人，很关键。
不用先租卡，不用折腾半天 CUDA，也不用在安装环境这一步就把耐心耗完。五分钟能看到点东西，哪怕结果很幼稚，也比盯着报错强。
小模型还有一个好处，你敢乱改。参数小，链路短。
改一点配置，换一点数据，输出变奇怪了，也不心疼。坏了就坏了，再跑一遍。
很多时候，模型是这么看懂的。不是靠把概念背得很熟，是你把某个地方改坏了，才知道它原来在干什么。
比如分词，以前它只是个词。在这种小项目里，你能看到文本怎么被切开，怎么变成 token，再怎么进模型。
这个过程一过，很多“大模型很神秘”的感觉会掉下来一点。
当然，GuppyLM 不会把你直接带到什么最前沿。它太小了，也不需要把它讲得多厉害。
它更像一个能拆、能跑、能改的小样机。你先把这条小鱼养明白，再去看那些巨大的模型，脑子里至少有个底。
GitHub 地址： https://github.com/arman-bd/guppylm