Fengshenbang-LM（封神榜大模型）是 IDEA 研究院认知计算与自然语言研究中心（CCNL）主导的中文大模型开源体系，目标是成为中文 AIGC 与认知智能的基础设施。它包含一系列开源模型与研究成果：姜子牙（Ziya）通用大模型、二郎神（Erlangshen）等预训练语言模型、首个中文 Stable Diffusion、BioBART（生物医疗）、UniMC/UniEX 等，以及配套的「封神框架」用于预训练与微调。许可为 Apache-2.0，Python，约 4,136 stars。需提示：仓库近年更新趋缓（最近一次推送约在 2024 年中），更多体现为历史性的中文模型与研究合集。
来源：README.md（封神榜科技成果、大事件、首段描述）；GitHub 仓库元数据（stars=4136、license=Apache-2.0、language=Python、pushed_at 2024-08） 查看 GitHub 仓库 →封神榜是中文开源大模型早期的代表性体系之一，对中文 NLP/AIGC 影响较大——曾以小模型刷新零样本学习 SOTA、开源首个中文 Stable Diffusion、推出姜子牙通用模型系列等，沉淀了大量模型与论文。它作为中文认知智能的基础设施被持续引用，因而出现在热榜。截至数据采集约 4,136 stars。需提示其近年更新放缓，使用最新中文模型可关注更新的项目。
来源：README.md（封神榜大事件的 SOTA/中文 SD/姜子牙等）；GitHub 仓库元数据（stars=4136、pushed_at 2024-08）姜子牙（Ziya）通用大模型（含多模态）、二郎神（Erlangshen）等预训练语言模型，覆盖中文 NLU/NLG，曾刷新零样本/少样本榜单。
来源：README.md（封神榜大事件的姜子牙/二郎神/SOTA）开源首个中文 Stable Diffusion，开启中文 AI 艺术；并有多模态与生物医疗（BioBART）等领域模型。
来源：README.md（大事件的中文 SD、科技成果的 BioBART/FMIT）UniMC（零样本统一模型）、UniEX（统一抽取理解）等，面向 NLU 任务统一建模（多篇顶会论文）。
来源：README.md（科技成果 UniMC/UniEX）配套开源框架（PyTorch/Transformers，支持分布式训练）帮助轻松预训练与微调封神榜各模型，并有 GTS 生产平台。
来源：README.md（大事件的封神框架开源、GTS）；topics（distributed-training）封神榜是一个中文大模型「开源体系」而非单一模型，按系列组织多类模型：通用大模型姜子牙（Ziya，含多模态版）、预训练语言模型二郎神（Erlangshen）等（覆盖 NLU/NLG）、首个中文 Stable Diffusion（AIGC 图像）、生物医疗的 BioBART、统一任务模型 UniMC/UniEX、以及多篇 ACL/EMNLP/COLING 论文成果。配套「封神框架」（基于 PyTorch/Transformers，支持分布式训练）帮助预训练与微调这些模型，并有 GTS 模型生产平台等。模型与代码以 Apache-2.0 开源，可在 HuggingFace 等获取。
来源：README.md（封神榜科技成果、大事件、topics 含 distributed-training/pretrained-models/multimodal）中心为项目本体，内环 = 核心功能模块，外环 = 关键技术依赖；按 deep.json 中的 core_features 与 tech_stack.key_deps 自动生成
PyTorch、HuggingFace TransformersStable Diffusion（中文版）作为中文大模型/NLP 的研究与工程参考很有价值：使用或微调姜子牙、二郎神等中文模型做理解/生成任务、用中文 Stable Diffusion 做图像生成、参考 UniMC/UniEX 等统一任务建模思路、或用封神框架做中文模型的预训练/微调实验。它适合中文 NLP 研究、教学与历史脉络梳理；用于追求最新性能的生产，建议结合更新更活跃的模型/项目评估。
来源：README.md（科技成果、大事件、封神框架）本页未列出严格版本号；仓库近年更新趋缓（最近推送约在 2024 年中）。历史里程碑包括姜子牙通用/多模态模型、二郎神登顶 FewCLUE/ZeroCLUE、首个中文 Stable Diffusion 开源、封神框架开源与多篇顶会论文。它更多作为中文大模型早期体系的历史与研究合集。
来源：README.md（封神榜大事件时间线）；GitHub pushed_atFengshenbang-LM（封神榜）是中文开源大模型的早期代表性体系：姜子牙、二郎神等模型、首个中文 Stable Diffusion、UniMC/UniEX 等统一任务模型，加配套封神框架与多篇顶会论文，对中文 NLP/AIGC 影响较大、研究与教学参考价值高。要明确它近年更新放缓、性能已被更新的模型超越，且面向研究而非开箱产品。把它当作中文大模型早期成果与研究脉络的重要参考很合适；追求最新中文能力则应结合更活跃的项目评估。
来源：综合 README.md 的成果体系与更新放缓的现状