/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
23,4 млрд
Размер весов
47,1 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
Mistral-Small-24B-Base-2501
Библиотека
transformers
Опубликована
27 фев 2025

MS3-Tantum-24B-v0.1

Генерация текстаТекст → текст3 профессии

Экспериментальная слитая модель Mistral на 23,4 млрд параметров для диалогов, ролевой прозы и генерации текста.

26скачиваний за 30 дней11лайковвеса обновлены2 мар 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

Nohobby/MS3-Tantum-24B-v0.1 — экспериментальная разговорная языковая модель, созданная Nohobby как слияние нескольких моделей семейства Mistral и других 24B чекпойнтов. Она предназначена для генерации текста, диалогов и ролевых сценариев; автор отмечает связную прозу, следование характеру персонажа и возможность включать рассуждения специальным префиксом, хотя качество рассуждений уступает специализированной модели-дистилляции.

Модель имеет плотную архитектуру MistralForCausalLM, 23,4 млрд параметров и контекст до 32 768 токенов. Карточка указывает английский язык, формат весов Safetensors и лицензию Apache-2.0. Автор описывает несколько вариантов форматирования запросов и рекомендует экспериментировать с ChatML или Llama 3; результаты могут зависеть от шаблона диалога и настроек генерации.

Это личное экспериментальное слияние, а не заявленная производственная система. В README автор предупреждает, что раннее слияние MS3-test-Merge-1 не стоит использовать отдельно; также отмечены ограничения качества рассуждений. Лицензия репозитория — Apache-2.0.

Сценарии применения

  • ведение диалогов с языковой моделью
  • генерация ролевой прозы
  • сохранение характера персонажа в диалоге
  • создание художественных текстов
  • эксперименты с генерацией текста и подсказками для рассуждений

Ограничения

Автор отмечает, что рассуждения слабее, чем у специализированной модели-дистилляции, а качество зависит от формата запросов и настроек генерации. README также предупреждает, что ранний вариант MS3-test-Merge-1 не рекомендуется для самостоятельного использования.

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

Tantum

Everything is edible if you are brave enough

Так и живём

Overview

It's kind of hard to judge a 24B model after using a 70B for a while. From some tests, I think it might be better than my ms-22B and qwen-32B merges.

It has some prose, some character adherence, and... <think> tags! It will consistently think if you add <think> tag as prefill, tho I think it will obviously not think as well as an actual thinking model distill.

People also like RP-Whole(RP-Broth). You can find it here

Settings:

Samplers: Weird preset | Forgotten-Safeword preset

Prompt format: Mistral-V7 (?)

ChatML and Llama3 give better results imo. In the case of ChatML, there are Dans-PersonalityEngine and Redemption-Wind models that have been trained on it. But Llama3? No clue.

I use this lorebook for all chats instead of a system prompt for mistal models.

Quants

Static | Imatrix


Merge Details

Merging steps

MS3-test-Merge-1

models:
  - model: unsloth/Mistral-Small-24B-Base-2501
  - model: unsloth/Mistral-Small-24B-Instruct-2501+ToastyPigeon/new-ms-rp-test-ws
    parameters:
        select_topk:
          - value: [0.05, 0.03, 0.02, 0.02, 0.01]
  - model: unsloth/Mistral-Small-24B-Instruct-2501+estrogen/MS2501-24b-Ink-ep2-adpt
    parameters:
        select_topk: 0.1
  - model: trashpanda-org/MS-24B-Instruct-Mullein-v0
    parameters:
        select_topk: 0.4
base_model: unsloth/Mistral-Small-24B-Base-2501
merge_method: sce
parameters:
  int8_mask: true
  rescale: true
  normalize: true
dtype: bfloat16
tokenizer_source: base
dtype: bfloat16
tokenizer_source: base
merge_method: della_linear
parameters:
  density: 0.55
base_model: Step1
models:
  - model: unsloth/Mistral-Small-24B-Instruct-2501
    parameters:
      weight:
        - filter: v_proj
          value: [0, 0, 1, 1, 1, 1, 1, 1, 1, 0, 0]
        - filter: o_proj
          value: [1, 0, 1, 0, 0, 0, 0, 0, 1, 1, 1]
        - filter: up_proj
          value: [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1]
        - filter: gate_proj
          value: [0, 0, 1, 1, 1, 1, 1, 1, 1, 0, 0]
        - filter: down_proj
          value: [1, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0]
        - value: 0
  - model: Step1
    parameters:
      weight:
        - filter: v_proj
          value: [1, 1, 0, 0, 0, 0, 0, 0, 0, 1, 1]
        - filter: o_proj
          value: [0, 1, 0, 1, 1, 1, 1, 1, 0, 0, 0]
        - filter: up_proj
          value: [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
        - filter: gate_proj
          value: [1, 1, 0, 0, 0, 0, 0, 0, 0, 1, 1]
        - filter: down_proj
          value: [0, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1]
        - value: 1

Some early MS3 merge. Not really worth using on its own. Just added it for fun.

RP-half1

models:
  - model: ArliAI/Mistral-Small-24B-ArliAI-RPMax-v1.4
    parameters:
      weight: 0.2
      density: 0.7
  - model: trashpanda-org/Llama3-24B-Mullein-v1
    parameters:
      weight: 0.2
      density: 0.7
  - model: TheDrummer/Cydonia-24B-v2
    parameters:
      weight: 0.2
      density: 0.7
merge_method: della_linear
base_model: Nohobby/MS3-test-Merge-1
parameters:
  epsilon: 0.2
  lambda: 1.1
dtype: bfloat16
tokenizer:
 source: base

RP-half2

base_model: Nohobby/MS3-test-Merge-1
parameters:
  epsilon: 0.05
  lambda: 0.9
  int8_mask: true
  rescale: true
  normalize: false
dtype: bfloat16
tokenizer:
 source: base
merge_method: della
models:
  - model: estrogen/MS2501-24b-Ink-apollo-ep2
    parameters:
      weight: [0.1, -0.01, 0.1, -0.02, 0.1]
      density: [0.6, 0.4, 0.5, 0.4, 0.6]
  - model: huihui-ai/Mistral-Small-24B-Instruct-2501-abliterated
    parameters:
      weight: [0.02, -0.01, 0.02, -0.02, 0.01]
      density: [0.45, 0.55, 0.45, 0.55, 0.45]
  - model: ToastyPigeon/ms3-roselily-rp-v2
    parameters:
      weight: [0.01, -0.02, 0.02, -0.025, 0.01]
      density: [0.45, 0.65, 0.45, 0.65, 0.45]
  - model: PocketDoc/Dans-DangerousWinds-V1.1.1-24b
    parameters:
      weight: [0.1, -0.01, 0.1, -0.02, 0.1]
      density: [0.6, 0.4, 0.5, 0.4, 0.6]

RP-whole

base_model: ReadyArt/Forgotten-Safeword-24B-V2.2
merge_method: model_stock
dtype: bfloat16
models:
  - model: mergekit-community/MS3-RP-half1
  - model: mergekit-community/MS3-RP-RP-half2

INT

merge_method: della_linear
dtype: bfloat16
parameters:
  normalize: true
  int8_mask: true
tokenizer:
 source: base
base_model: PocketDoc/Dans-PersonalityEngine-V1.2.0-24b
models:
    - model: PocketDoc/Dans-PersonalityEngine-V1.2.0-24b
      parameters:
        density: 0.55
        weight: 1
    - model: Undi95/MistralThinker-e2
      parameters:
        density: 0.55
        weight: 1
    - model: d-rang-d/ignore_MS3-Reasoner-mergekit
      parameters:
        density: 0.55
        weight: 1
    - model: arcee-ai/Arcee-Blitz
      parameters:
        density: 0.55
        weight: 1

Tantumv00

output_base_model: "SicariusSicariiStuff/Redemption_Wind_24B"
output_dtype: "bfloat16"
finetune_merge:
  - { "model": "mergekit-community/MS3-INT", "base": "unsloth/Mistral-Small-24B-Instruct-2501", "alpha": 1.0, "is_input": true }
  - { "model": "mergekit-community/MS-RP-whole", "base": "unsloth/Mistral-Small-24B-Instruct-2501", "alpha": 0.7, "is_output": true }
output_dir: "output_model"
device: "cpu"
clean_cache: false
cache_dir: "cache"
storage_dir: "storage"

Doesn't look like a mergekit recipe, right? Well, it's not. It's for a standalone merge tool: https://github.com/54rt1n/shardmerge

If you want to use it for something non-qwen you can replace index.py with this and writer.py with that. A much better solution is possible, ofc, but I'm a dumdum and can't code. The creator knows about this issue and will fix it... Someday, I guess.

You also need to know that this thing is really slow, and it took me 5 hours to cram 3 24B models together.

Tantumv01

dtype: bfloat16
tokenizer:
 source: unsloth/Mistral-Small-24B-Instruct-2501
merge_method: della_linear
parameters:
  density: 0.55
base_model: d-rang-d/MS3-megamerge
models:
  - model: unsloth/Mistral-Small-24B-Instruct-2501
    parameters:
      weight:
        - filter: v_proj
          value: [0, 0, 1, 1, 1, 1, 1, 1, 1, 0, 0]
        - filter: o_proj
          value: [1, 0, 1, 0, 0, 0, 0, 0, 1, 1, 1]
        - filter: up_proj
          value: [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1]
        - filter: gate_proj
          value: [0, 0, 1, 1, 1, 1, 1, 1, 1, 0, 0]
        - filter: down_proj
          value: [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
        - value: 0
  - model: d-rang-d/MS3-megamerge
    parameters:
      weight:
        - filter: v_proj
          value: [1, 1, 0, 0, 0, 0, 0, 0, 0, 1, 1]
        - filter: o_proj
          value: [0, 1, 0, 1, 1, 1, 1, 1, 0, 0, 0]
        - filter: up_proj
          value: [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
        - filter: gate_proj
          value: [1, 1, 0, 0, 0, 0, 0, 0, 0, 1, 1]
        - filter: down_proj
          value: [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1]
        - value: 1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
6642aff

0 моделей