/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,5 млрд
Лицензия
MIT
Архитектура
qwen2 · dense
Базовая модель
DeepSeek-R1-Distill-Qwen-1.5B
Библиотека
transformers
Опубликована
28 янв 2025

DeepSeek-R1-Distill-Qwen-1.5B-FP8-Dynamic

Генерация текстаТекст → текст9 профессий

JamAndTeaStudios/DeepSeek-R1-Distill-Qwen-1.5B-FP8-Dynamic — это квантизированная версия языковой модели DeepSeek-R1-Distill-Qwen-1.5B, опубликованная JamAndTeaStudios.

862скачиваний за 30 дней0лайковвеса обновлены29 янв 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель предназначена для генерации текста и чат-сценариев, включая локальный или серверный инференс. В карточке указана поддержка английского языка и библиотека Transformers.

Модель использует FP8-квантизацию весов и активаций линейных операторов внутри трансформерных блоков. Квантизация снижает число битов на параметр с 16 до 8, что примерно вдвое уменьшает размер модели на диске и требования к памяти GPU. Размер базовой модели составляет около 1,5 млрд параметров. Контекстное окно и дополнительные модальности не указаны, поэтому модель следует рассматривать как текстовую.

Основные преимущества — сниженные требования к памяти и возможность более эффективного инференса при сохранении архитектуры базовой модели. Ограничения связаны с потерями качества, возможными для квантизированной версии, отсутствием опубликованных результатов оценки и неизвестным размером контекстного окна. Для запуска рекомендуются SGLang версии 0.3 или новее и vLLM версии 0.5.2 или новее. Модель распространяется по лицензии MIT.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Overview

  • Model Optimizations:
    • Weight quantization: FP8
    • Activation quantization: FP8
  • Release Date: 1/28/2025

Quantized version of deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B to FP8 data type, ready for inference with SGLang >= 0.3 or vLLM >= 0.5.2. This optimization reduces the number of bits per parameter from 16 to 8, reducing the disk size and GPU memory requirements by approximately 50%. Only the weights and activations of the linear operators within transformers blocks are quantized.

Deployment

Use with SGLang

python -m sglang.launch_server --model-path JamAndTeaStudios/DeepSeek-R1-Distill-Qwen-1.5B-FP8-Dynamic \
--port 30000 --host 0.0.0.0

Creation

This model was created with llm-compressor by running the code snippet below.

from transformers import AutoModelForCausalLM, AutoTokenizer

from llmcompressor.modifiers.quantization import QuantizationModifier
from llmcompressor.transformers import oneshot

MODEL_ID = "google/gemma-2-27b-it"

# 1) Load model.
model = AutoModelForCausalLM.from_pretrained(
    MODEL_ID, device_map="auto", torch_dtype="auto"
)
tokenizer = AutoTokenizer.from_pretrained(MODEL_ID)

# 2) Configure the quantization algorithm and scheme.
# In this case, we:
#   * quantize the weights to fp8 with per channel via ptq
#   * quantize the activations to fp8 with dynamic per token
recipe = QuantizationModifier(
    targets="Linear", scheme="FP8_DYNAMIC", ignore=["lm_head"]
)

# 3) Apply quantization and save in compressed-tensors format.
OUTPUT_DIR = MODEL_ID.split("/")[1] + "-FP8-Dynamic"
oneshot(
    model=model,
    recipe=recipe,
    tokenizer=tokenizer,
    output_dir=OUTPUT_DIR,
)

# Confirm generations of the quantized model look sane.
print("========== SAMPLE GENERATION ==============")
input_ids = tokenizer("Hello my name is", return_tensors="pt").input_ids.to("cuda")
output = model.generate(input_ids, max_new_tokens=20)
print(tokenizer.decode(output[0]))
print("==========================================")

Evaluation

TBA

Play Retail Mage

image/png

Retail Mage (Steam) is an immersive sim that uses online LLM inference in almost all features in the gameplay!

Reviews

“A true to life experience detailing how customer service really works.” 10/10 – kpolupo

“I enjoyed how many things were flammable in the store.” 5/5 – mr_srsbsns

“I've only known that talking little crow plushie in MageMart for a day and a half but if anything happened to him I would petrify everyone in this store and then myself.” 7/7 – neondenki

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
6c8d348

0 моделей