/ Модель

Характеристики

Контекст
8 192 токена
Параметры
2,5 млрд
Лицензия
CC BY-NC 4.0
Архитектура
gemma · dense
Базовая модель
gemma-2b
Опубликована
7 мая 2024

Octopus-v2-gguf-awq

Генерация текстаТекст → текст3 профессии

NexaAI/Octopus-v2-gguf-awq — набор квантизированных вариантов модели Octopus V2, разработанной NexaAI/NexaAIDev на базе Google Gemma 2B.

2 687скачиваний за 30 дней7лайковвеса обновлены23 июн 2024

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 локального, в том числе on-device, использования и сценариев function calling: по текстовому запросу она определяет нужную функцию и формирует параметры вызова. В README отдельно упоминаются сценарии управления камерой Android, например съёмка фронтальной или основной камерой и сохранение фотографии.

Доступны форматы GGUF для запуска через llama.cpp и ручного импорта в Ollama, а также AWQ для использования с AutoAWQ и PyTorch на CUDA. Указан английский язык. Размер и скорость зависят от варианта квантизации: AWQ занимает около 3,00 ГБ, а GGUF-варианты — примерно от 1,16 до 1,92 ГБ; заявленная производительность составляет около 52–69 токенов в секунду в приведённом бенчмарке. Сильными сторонами являются компактность, локальный запуск и высокая скорость, однако более агрессивная квантизация снижает качество, а модель ориентирована прежде всего на вызов функций, а не на универсальный диалог. Размер контекста и другие архитектурные характеристики в README не указаны. Лицензия — CC BY-NC 4.0, допускающая некоммерческое использование на заявленных условиях.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Quantized Octopus V2: On-device language model for super agent

This repo includes two types of quantized models: GGUF and AWQ, for our Octopus V2 model at NexaAIDev/Octopus-v2

GGUF Qauntization

To run the models, please download them to your local machine using either git clone or Hugging Face Hub

git clone https://huggingface.co/NexaAIDev/Octopus-v2-gguf-awq

Run with llama.cpp (Recommended)

  1. Clone and compile:
git clone https://github.com/ggerganov/llama.cpp
cd llama.cpp
# Compile the source code:
make
  1. Execute the Model:

Run the following command in the terminal:

./main -m ./path/to/octopus-v2-Q4_K_M.gguf -n 256 -p "Below is the query from the users, please call the correct function and generate the parameters to call the function.\n\nQuery: Take a selfie for me with front camera\n\nResponse:"

Run with Ollama

Since our models have not been uploaded to the Ollama server, please download the models and manually import them into Ollama by following these steps:

  1. Install Ollama on your local machine. You can also following the guide from Ollama GitHub repository
git clone https://github.com/ollama/ollama.git ollama
  1. Locate the local Ollama directory:
cd ollama
  1. Create a Modelfile in your directory
touch Modelfile
  1. In the Modelfile, include a FROM statement with the path to your local model, and the default parameters:
FROM ./path/to/octopus-v2-Q4_K_M.gguf
  1. Use the following command to add the model to Ollama:
ollama create octopus-v2-Q4_K_M -f Modelfile
  1. Verify that the model has been successfully imported:
ollama ls
  1. Run the mode
ollama run octopus-v2-Q4_K_M "Below is the query from the users, please call the correct function and generate the parameters to call the function.\n\nQuery: Take a selfie for me with front camera\n\nResponse:"

AWQ Quantization

Python example:

from transformers import AutoTokenizer
from awq import AutoAWQForCausalLM
import torch
import time
import numpy as np
def inference(input_text):
    start_time = time.time()
    input_ids = tokenizer(input_text, return_tensors="pt").to('cuda')
    input_length = input_ids["input_ids"].shape[1]
    generation_output = model.generate(
        input_ids["input_ids"],
        do_sample=False,
        max_length=1024
    )
    end_time = time.time()
    # Decode only the generated part
    generated_sequence = generation_output[:, input_length:].tolist()
    res = tokenizer.decode(generated_sequence[0])
    latency = end_time - start_time
    num_output_tokens = len(generated_sequence[0])
    throughput = num_output_tokens / latency
    return {"output": res, "latency": latency, "throughput": throughput}
# Initialize tokenizer and model
model_id = "/path/to/Octopus-v2-AWQ-NexaAIDev"
tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=False)
model = AutoAWQForCausalLM.from_quantized(model_id, fuse_layers=True,
                                          trust_remote_code=False, safetensors=True)
prompts = ["Below is the query from the users, please call the correct function and generate the parameters to call the function.\n\nQuery: Can you take a photo using the back camera and save it to the default location? \n\nResponse:"]
avg_throughput = []
for prompt in prompts:
    out = inference(prompt)
    avg_throughput.append(out["throughput"])
    print("nexa model result:\n", out["output"])
print("avg throughput:", np.mean(avg_throughput))

Quantized GGUF & AWQ Models Benchmark

NameQuant methodBitsSizeResponse (t/s)Use Cases
Octopus-v2-AWQAWQ43.00 GB63.83fast, high quality, recommended
Octopus-v2-Q2_K.ggufQ2_K21.16 GB57.81fast but high loss, not recommended
Octopus-v2-Q3_K.ggufQ3_K31.38 GB57.81extremely not recommended
Octopus-v2-Q3_K_S.ggufQ3_K_S31.19 GB52.13extremely not recommended
Octopus-v2-Q3_K_M.ggufQ3_K_M31.38 GB58.67moderate loss, not very recommended
Octopus-v2-Q3_K_L.ggufQ3_K_L31.47 GB56.92not very recommended
Octopus-v2-Q4_0.ggufQ4_041.55 GB68.80moderate speed, recommended
Octopus-v2-Q4_1.ggufQ4_141.68 GB68.09moderate speed, recommended
Octopus-v2-Q4_K.ggufQ4_K41.63 GB64.70moderate speed, recommended
Octopus-v2-Q4_K_S.ggufQ4_K_S41.56 GB62.16fast and accurate, very recommended
Octopus-v2-Q4_K_M.ggufQ4_K_M41.63 GB64.74fast, recommended
Octopus-v2-Q5_0.ggufQ5_051.80 GB64.80fast, recommended
Octopus-v2-Q5_1.ggufQ5_151.92 GB63.42very big, prefer Q4
Octopus-v2-Q5_K.ggufQ5_K51.84 GB61.28big, recommended
Octopus-v2-Q5_K_S.ggufQ5_K_S51.80 GB62.16big, recommended
Octopus-v2-Q5_K_M.ggufQ5_K_M51.71 GB61.54big, recommended
Octopus-v2-Q6_K.ggufQ6_K62.06 GB55.94very big, not very recommended
Octopus-v2-Q8_0.ggufQ8_082.67 GB56.35very big, not very recommended
Octopus-v2-f16.gguff16165.02 GB36.27extremely big
Octopus-v2.gguf10.00 GB

Quantized with llama.cpp

Acknowledgement:
We sincerely thank our community members, Mingyuan, Zoey, Brian, Perry, Qi, David for their extraordinary contributions to this quantization effort.

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
GemmaForCausalLM
Ревизия весов
e03cb0a

0 моделей