/ Модель

Характеристики

Лицензия
MIT
Базовая модель
DeepSeek-R1-Distill-Qwen-7B
Опубликована
6 фев 2025

DeepSeek-R1-ReDistill-Qwen-7B-v1.1-GGUF

Генерация текстаТекст → текст13 профессий

DeepSeek-R1-ReDistill-Qwen-7B-v1.1-GGUF — набор GGUF-квантизованных версий модели mobiuslabsgmbh/DeepSeek-R1-ReDistill-Qwen-7B-v1.1, опубликованный ThomasBaruzier.

1 375скачиваний за 30 дней0лайковвеса обновлены27 фев 2025

Бенчмарки

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

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

Базовая модель — deepseek-ai/DeepSeek-R1-Distill-Qwen-7B. Квантизация выполнена с помощью llama.cpp с использованием imatrix и калибровочного файла Bartowski.

Модель предназначена для локального запуска задач генерации текста и диалогового применения через совместимое с GGUF программное обеспечение, включая llama.cpp. Доступны варианты квантизации от IQ1_S и IQ1_M до более точных Q4, Q5 и других форматов; размер файлов в представленной таблице составляет примерно от 1,8 до 5,1 ГБ. Для отдельных вариантов указаны значения perplexity и accuracy: более крупные и точные квантизации обычно обеспечивают лучшее качество при повышенных требованиях к памяти.

Ключевые характеристики архитектуры, поддерживаемые языки, максимальная длина контекста и мультимодальные возможности в README не указаны. Основные преимущества — широкий выбор компромиссов между размером, потреблением ресурсов и качеством, а также формат GGUF для локального инференса. Ограничения связаны с потерями качества при агрессивной квантизации и зависимостью от совместимого рантайма; приведённые метрики относятся к тестированию конкретных квантов и не гарантируют качество в любых сценариях. Распространение указано по лицензии MIT.

Для каких профессий подходит13

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

Llama.cpp imatrix quantizations of mobiuslabsgmbh/DeepSeek-R1-ReDistill-Qwen-7B-v1.1

Using llama.cpp commit 3ad5451 for quantization.

All quants were made using the imatrix option and Bartowski's calibration file.

Perplexity table (the lower the better)

QuantSize (MB)PPLSize (%)Accuracy (%)PPL error rate
IQ1_S181529.373912.4949.920.53
IQ1_M194723.461113.4062.500.42
IQ2_XXS216723.825714.9161.540.46
IQ2_XS235420.541316.2071.380.39
IQ2_S247519.376317.0375.670.36
IQ2_M265122.300718.2465.750.44
Q2_K_S270217.544618.5983.570.31
Q2_K287616.942619.7986.540.29
IQ3_XXS297016.266820.4490.140.29
IQ3_XS319116.144321.9690.820.29
Q3_K_S333017.036422.9286.070.29
IQ3_S333716.104822.9691.040.29
IQ3_M340815.812823.4592.720.28
Q3_K_M363115.258024.9996.100.26
Q3_K_L389915.199726.8396.460.26
IQ4_XS402314.938527.6898.150.25
IQ4_NL423214.925729.1298.240.25
Q4_0423815.262129.1796.070.26
Q4_K_S425114.885229.2598.500.26
Q4_K_M446614.866630.7398.630.26
Q4_1464714.878931.9898.540.26
Q5_K_S506814.744934.8899.440.25
Q5_0508114.742534.9799.460.25
Q5_K_M519214.732735.7399.520.25
Q5_1549014.729337.7899.550.25
Q6_K596414.690741.0499.810.25
Q8_0772314.668653.1599.960.25
F161453114.66251001000.25

This is a version of the DeepSeek-R1-Distill-Qwen-7B model re-distilled for better performance.

Performance

ModelsDeepSeek-R1-Distill-Qwen-7BDeepSeek-R1-ReDistill-Qwen-7B-v1.1
ARC (25-shot)55.0352.3
HellaSwag (10-shot)61.962.36
MMLU (5-shot)56.7559.53
TruthfulQA-MC245.7647.7
Winogrande (5-shot)60.3861.8
GSM8K (5-shot)78.8583.4
Average59.7861.18
ModelsDeepSeek-R1-Distill-Qwen-7BDeepSeek-R1-ReDistill-Qwen-7B-v1.1
GPQA (0-shot)30.934.99
MMLU PRO (5-shot)28.8331.02
MUSR (0-shot)38.8544.42
BBH (3-shot)43.5451.53
IfEval (0-shot) - strict42.3335.49
IfEval (0-shot) - loose30.3138.49

Usage

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer
compute_dtype = torch.bfloat16
device   = 'cuda'
model_id = "mobiuslabsgmbh/DeepSeek-R1-ReDistill-Qwen-7B-v1.1"

model     = AutoModelForCausalLM.from_pretrained(model_id, torch_dtype=compute_dtype, attn_implementation="sdpa", device_map=device)
tokenizer = AutoTokenizer.from_pretrained(model_id)

prompt  = "What is 1.5+102.2?"
chat    = tokenizer.apply_chat_template([{"role":"user", "content":prompt}], tokenize=True, add_generation_prompt=True, return_tensors="pt")
outputs = model.generate(chat.to(device), max_new_tokens=1024, do_sample=True) 
print(tokenizer.decode(outputs[0]))

Output:

<|begin▁of▁sentence|><|User|>What is 1.5+102.2?<|Assistant|><think>
First, I need to add the whole number parts of the two numbers. The whole numbers are 1 and 102, which add up to 103.

Next, I add the decimal parts of the two numbers. The decimal parts are 0.5 and 0.2, which add up to 0.7.

Finally, I combine the whole number and decimal parts to get the total sum. Adding 103 and 0.7 gives me 103.7.
</think>

To add the numbers \(1.5\) and \(102.2\), follow these steps:

1. **Add the whole number parts:**
   \[
   1 + 102 = 103
   \]

2. **Add the decimal parts:**
   \[
   0.5 + 0.2 = 0.7
   \]

3. **Combine the results:**
   \[
   103 + 0.7 = 103.7
   \]

**Final Answer:**
\[
\boxed{103.7}
\]<|end▁of▁sentence|>

HQQ

Run ~3.5x faster with HQQ. First, install the dependencies:

pip install hqq
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer
from hqq.models.hf.base import AutoHQQHFModel
from hqq.core.quantize import *

#Params
device        = 'cuda:0'
backend       = "torchao_int4" 
compute_dtype = torch.bfloat16 if backend=="torchao_int4" else torch.float16
model_id      = "mobiuslabsgmbh/DeepSeek-R1-ReDistill-Qwen-7B-v1.1"

#Load
tokenizer = AutoTokenizer.from_pretrained(model_id)
model     = AutoModelForCausalLM.from_pretrained(model_id, torch_dtype=compute_dtype, attn_implementation="sdpa")

#Quantize
quant_config = BaseQuantizeConfig(nbits=4, group_size=64, axis=1)
AutoHQQHFModel.quantize_model(model, quant_config=quant_config, compute_dtype=compute_dtype, device=device)

#Optimize
from hqq.utils.patching import prepare_for_inference
prepare_for_inference(model, backend=backend, verbose=False)

############################################################
#Generate (streaming)
from hqq.utils.generation_hf import HFGenerator
gen = HFGenerator(model, tokenizer, max_new_tokens=4096, do_sample=True, compile='partial').warmup()

prompt = "If A equals B, and C equals B - A, what would be the value of C?" 
out    = gen.generate(prompt, print_tokens=True)

############################################################
# #Generate (simple)
# from hqq.utils.generation_hf import patch_model_for_compiled_runtime
# patch_model_for_compiled_runtime(model, tokenizer, warmup=True)

# prompt = "If A equals B, and C equals B - A, what would be the value of C?" 
# chat    = tokenizer.apply_chat_template([{"role":"user", "content":prompt}], tokenize=True, add_generation_prompt=True, return_tensors="pt")
# outputs = model.generate(chat.to(device), max_new_tokens=8192, do_sample=True) 
# print(tokenizer.decode(outputs[0]))

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
796d845

0 моделей