/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
5,7 млрд
Размер весов
5,5 ГБ
Лицензия
Apache 2.0
Архитектура
zamba2 · dense
Базовая модель
Zamba2-2.7B
Библиотека
transformers
Опубликована
7 мар 2025

Zamba2-2.7B-Instruct-v2

Генерация текстаТекст → текст12 профессий

Zamba2-2.7B-Instruct-v2 — гибридная диалоговая модель Zyphra для генерации текста и выполнения инструкций.

258скачиваний за 30 дней3лайкавеса обновлены20 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

Zamba2-2.7B-Instruct-v2 — диалоговая языковая модель Zyphra, дообученная на базе Zyphra/Zamba2-2.7B с помощью SFT и DPO на наборах инструкций, диалогов, рассуждений, математики и предпочтений. Она предназначена для генерации ответов и следования текстовым инструкциям в чат-сценариях.

Модель использует гибридную плотную архитектуру: слои Mamba2 чередуются с общими слоями внимания Transformer, дополненными LoRA-проекциями. В карточке указано 2,66 млрд параметров, тогда как метаданные каталога сообщают 5,7 млрд; контекст составляет до 4096 токенов. Модель работает с текстом и выдаёт текст. Разработчик заявляет о низкой задержке и меньшем расходе памяти по сравнению с сопоставимыми Transformer-моделями; для ускоренного запуска рекомендуются ядра Mamba2, поскольку без них задержка и расход памяти заметно возрастают.

Модель опубликована под лицензией Apache-2.0. В README приведены результаты на ряде тестов, но они не гарантируют качество для конкретных запросов; сведения о поддерживаемых языках не приведены.

Сценарии применения

  • ответы на пользовательские вопросы в чате
  • выполнение текстовых инструкций
  • генерация диалоговых ответов
  • помощь с задачами на рассуждение и математику

Ограничения

Контекст ограничен 4096 токенами. Без оптимизированных ядер Mamba2 модель работает с существенно большей задержкой и расходом памяти; заявленные результаты бенчмарков не гарантируют качество для конкретных задач.

Для каких профессий подходит12

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 Card for Zamba2-2.7B-Instruct-v2

Zamba2-2.7B-Instruct-v2 is derived from the base Zamba2-2.7B model through SFT and DPO training on instruction-following and conversational datasets.

Zamba2-2.7B-Instruct-v2 is a hybrid model composed of state-space (Mamba2) and transformer blocks.

Quick start

Prerequisites

To use Zamba2-2.7B-Instruct-v2, install transformers:

pip install transformers -U

To install dependencies necessary to run Mamba2 kernels, install mamba-ssm from source (due to compatibility issues with PyTorch) as well as causal-conv1d:

  1. git clone https://github.com/state-spaces/mamba.git
  2. cd mamba && git checkout v2.1.0 && pip install .
  3. pip install causal-conv1d

You can run the model without using the optimized Mamba2 kernels, but it is not recommended as it will result in significantly higher latency and memory usage.

Inference

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

# Instantiate model and tokenizer
tokenizer = AutoTokenizer.from_pretrained("Zyphra/Zamba2-2.7B-Instruct-v2")
model = AutoModelForCausalLM.from_pretrained("Zyphra/Zamba2-2.7B-Instruct-v2", device_map="cuda", torch_dtype=torch.bfloat16)

# Format the input as a chat template
prompt = "What factors contributed to the fall of the Roman Empire?"
sample = [{'role': 'user', 'content': prompt}]
chat_sample = tokenizer.apply_chat_template(sample, tokenize=False)

# Tokenize input and generate output
input_ids = tokenizer(chat_sample, return_tensors='pt', add_special_tokens=False).to("cuda")
outputs = model.generate(**input_ids, max_new_tokens=150, return_dict_in_generate=False, output_scores=False, use_cache=True, num_beams=1, do_sample=False)
print((tokenizer.decode(outputs[0])))

Performance

Zamba2-2.7B-Instruct-v2 achieves comparable performance to models of similar size.

ModelSize (B)IFEvalBBHGPQAMATH (Hard)MMLU ProMUSRAggregate
Zamba2-2.7B-Instruct-v22.6671.9222.426.136.4724.4014.9724.38
Zamba2-2.7B-Instruct2.6646.5621.324.095.7123.188.5618.24
Granite-3.2-2B-Instruct2.5363.0326.876.0913.3227.803.7423.48
Qwen-2.5-3B-Instruct3.0965.0230.982.0334.7332.597.2828.77
Llama3.2-3B-Instruct3.2173.8729.314.0617.1232.011.7426.22
Gemma-2-2b-it2.6119.7624.422.581.0425.807.1613.46

Moreover, due to its unique hybrid SSM architecture, Zamba2-2.7B-Instruct-v2 achieves extremely low inference latency and rapid generation with a significantly smaller memory footprint than comparable transformer-based models.

Time to First Token (TTFT)Output Generation
image/pngimage/png

And memory overhead

Model Details

Zamba2-2.7B utilizes and extends our original Zamba hybrid SSM-attention architecture. The core Zamba architecture consists of a backbone of Mamba2 layers interleaved with one or more shared attention layers. This attention has shared weights to minimize the parameter cost of the model. We find that concatenating the original model embeddings to the input to this attention block improves performance, likely due to better maintenance of information across depth. The Zamba2 architecture also applies LoRA projection matrices to the shared transformer blocks to gain some additional expressivity in each block and allow each shared block to specialize slightly to its own unique position while keeping the additional parameter overhead small.

A standalone Pytorch implementation of Zamba2-2.7B may be found here.

Training Recipe

Zamba2-2.7B-Instruct-v2 was trained on a mix of publicly available dataset including instruction-following and chat data. We experimented with various training approaches and found that the best recipe was as follows:

  1. SFT for one epoch on core chat, reasoning and math datasets such as HuggingFaceTB/smoltalk and nvidia/OpenMathInstruct-2
  2. DPO for 3 epochs on core alignment datasets including a subset of allenai/llama-3.1-tulu-3-70b-preference-mixture
  3. DPO on very high quality preference datasets such as jondurbin/truthy-dpo-v0.1 and jondurbin/gutenberg-dpo-v0.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Zamba2ForCausalLM
Ревизия весов
c684bad

0 моделей