ms-swift（SWIFT，Scalable lightWeight Infrastructure for Fine-Tuning）是阿里 ModelScope 社区出品的大模型与多模态大模型「微调 + 部署」全流程框架。它覆盖预训练、微调（含 PEFT/全参）、人类对齐、推理、评测、量化与部署，宣称支持 600+ 纯文本大模型与 400+ 多模态大模型（Qwen3/Qwen3-VL/Qwen3-Omni、DeepSeek-R1、GLM4.5、InternVL3.5、Llama4 等），并集成 Megatron 并行与 GRPO 系列强化学习算法。论文被 AAAI 2025 收录，Apache-2.0，约 14,233 stars，主语言 Python，PyPI 包名 ms-swift，文档 swift.readthedocs.io。
来源：README.md（标题、Introduction、Why Choose、徽章）；GitHub 仓库元数据（stars=14233、language=Python、license=Apache-2.0） 查看 GitHub 仓库 →大模型微调与对齐是落地刚需，门槛在于模型/方法/硬件繁多、流程割裂。ms-swift 以「一个框架覆盖训练到部署、内置 150+ 数据集、Day-0 支持热门模型、兼容多种 PEFT 与 RL 算法」降低上手成本，并支持国产 Ascend NPU 等多种硬件，背靠 ModelScope 生态，因而在中文社区与微调用户中关注度高。其「600+/400+ 模型、100%+ 提速」等为项目自述与特定条件下数据，实际以版本与场景为准。截至数据采集约 14,233 stars。
来源：README.md（Introduction、Why Choose）；GitHub 仓库元数据（stars=14233、pushed_at 2026-05、topics）支持 600+ 文本与 400+ 多模态大模型，从训练到推理/评测/量化/部署，热门模型 Day-0 支持。
来源：README.md（Introduction、Why Choose: Model Types）提供 LoRA/QLoRA/DoRA/LoRA+ 等 PEFT，及在 BNB/AWQ/GPTQ 等量化模型上训练，7B 最低约 9GB。
来源：README.md（Why Choose: Lightweight/Quantized Training）集成 GRPO 家族（DAPO/GSPO/CISPO/RLOO 等）与 DPO/KTO/CPO/SimPO/ORPO 等偏好学习，及 Embedding/Reranker 任务。
来源：README.md（Introduction）支持 Megatron（TP/PP/CP/EP）、DeepSpeed ZeRO、FSDP，及 GaLore/Liger-Kernel/Flash-Attention/序列并行降显存。
来源：README.md（Why Choose: Memory/Distributed）ms-swift 是建立在 PyTorch/ModelScope 生态上的训练-部署全流程框架：训练侧支持 CPT/SFT/DPO/GRPO 等任务，提供 LoRA/QLoRA/DoRA 等轻量微调与全参训练，并接入 Megatron 的 TP/PP/CP/EP 并行、DeepSpeed ZeRO2/3、FSDP/FSDP2 等分布式方案，及 GaLore、Liger-Kernel、Flash-Attention、序列并行（Ulysses/Ring-Attention）等显存优化；强化学习侧覆盖 GRPO 家族（DAPO/GSPO/CISPO 等）与偏好学习（DPO/KTO/CPO/SimPO/ORPO）。推理/评测/部署侧集成 vLLM、SGLang、LMDeploy，量化支持 GPTQ/AWQ/BNB/FP8。用户准备好数据即可一键训练，亦支持自定义数据集。
来源：README.md（Introduction、Why Choose 的训练/优化/部署条目）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 ≥2.0ModelScope ≥1.23Megatron / DeepSpeed / FSDPvLLM / SGLang / LMDeploy（推理部署）PEFT、Liger-Kernel、Flash-Attention适合需要定制或对齐大模型/多模态模型的团队与研究者：对 Qwen、DeepSeek、GLM、InternVL 等做 SFT/继续预训练、用 DPO/GRPO 等做人类对齐与 RL、训练 Embedding/Reranker，并在资源有限时用 LoRA/量化训练；训练完成后用同一框架做推理加速、评测与部署。也适合在 Ascend NPU 等多种硬件上落地，或基于 ModelScope 生态快速试验新模型。
来源：README.md（Introduction、Why Choose、topics）本页未列具体版本号；ms-swift 在 PyPI（ms-swift）持续发布，版本号见 PyPI 与 GitHub Releases，更新以新增模型支持、训练/对齐算法与部署集成为主。论文被 AAAI 2025 收录。仓库最后更新约在 2026 年 5 月，迭代活跃。
来源：README.md（PyPI 徽章、Paper/AAAI 2025）；GitHub pushed_atms-swift 是 ModelScope 出品的大模型/多模态微调与部署全流程框架：覆盖预训练、SFT、DPO/GRPO 对齐、推理、评测、量化与部署，支持海量模型与多种 PEFT/量化/分布式方案，并适配 Ascend NPU 等硬件，文档与生态完善，对要定制或对齐大模型的团队是很全面的工程基座。需注意功能面广带来的学习成本、自述指标需按场景验证、大模型训练仍吃硬件。作为中文社区主流的微调框架之一，覆盖广、上手路径清晰。
来源：综合 README.md 的定位、能力矩阵、生态与适用场景