/ Модель

Характеристики

Лицензия
CC BY-NC-ND 4.0
Базовая модель
Meta-Llama-3-8B
Опубликована
7 мая 2024

JSL-MedLlama-3-8B-v2.0-GGUF

Генерация текстаТекст → текст3 профессии

JSL-MedLlama-3-8B-v2.0-GGUF — квантизированная версия медицинской языковой модели JSL-MedLlama-3-8B-v2.0, разработанной John Snow Labs на базе Meta Llama 3 8B.

697скачиваний за 30 дней7лайковвеса обновлены7 мая 2024

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

Репозиторий подготовлен bartowski в формате GGUF для запуска через llama.cpp; квантизация выполнена с использованием метода imatrix. Модель предназначена для генерации текста в медицинском контексте, включая диалоговые и прикладные сценарии обработки медицинской информации. В README не указаны точные языки, мультимодальность или длина контекстного окна, поэтому модель следует считать текстовой, а эти характеристики — неизвестными.

Доступно множество вариантов квантизации от Q8_0 до IQ1_S. Q6_K, Q5_K_M, Q5_K_S и варианты Q4 рекомендованы как обеспечивающие высокое качество при меньшем размере; более компактные варианты подходят для систем с ограниченным объёмом оперативной памяти, но могут заметно уступать по качеству. Сильной стороной является возможность локального запуска через llama.cpp и выбор компромисса между качеством, размером файла и требованиями к ресурсам. Ограничения включают возможное ухудшение ответов при низкой разрядности квантизации и медицинскую специфику, из-за которой результаты не следует использовать как замену профессиональной диагностике или консультации. Лицензия — CC BY-NC-ND 4.0, допускающая использование с указанными ограничениями.

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

Llamacpp imatrix Quantizations of JSL-MedLlama-3-8B-v2.0

Using llama.cpp release b2777 for quantization.

Original model: https://huggingface.co/johnsnowlabs/JSL-MedLlama-3-8B-v2.0

All quants made using imatrix option with dataset provided by Kalomaze here

Prompt format

<|begin_of_text|><|start_header_id|>system<|end_header_id|>

{system_prompt}<|eot_id|><|start_header_id|>user<|end_header_id|>

{prompt}<|eot_id|><|start_header_id|>assistant<|end_header_id|>

Download a file (not the whole branch) from below:

FilenameQuant typeFile SizeDescription
JSL-MedLlama-3-8B-v2.0-Q8_0.ggufQ8_08.54GBExtremely high quality, generally unneeded but max available quant.
JSL-MedLlama-3-8B-v2.0-Q6_K.ggufQ6_K6.59GBVery high quality, near perfect, recommended.
JSL-MedLlama-3-8B-v2.0-Q5_K_M.ggufQ5_K_M5.73GBHigh quality, recommended.
JSL-MedLlama-3-8B-v2.0-Q5_K_S.ggufQ5_K_S5.59GBHigh quality, recommended.
JSL-MedLlama-3-8B-v2.0-Q4_K_M.ggufQ4_K_M4.92GBGood quality, uses about 4.83 bits per weight, recommended.
JSL-MedLlama-3-8B-v2.0-Q4_K_S.ggufQ4_K_S4.69GBSlightly lower quality with more space savings, recommended.
JSL-MedLlama-3-8B-v2.0-IQ4_NL.ggufIQ4_NL4.67GBDecent quality, slightly smaller than Q4_K_S with similar performance recommended.
JSL-MedLlama-3-8B-v2.0-IQ4_XS.ggufIQ4_XS4.44GBDecent quality, smaller than Q4_K_S with similar performance, recommended.
JSL-MedLlama-3-8B-v2.0-Q3_K_L.ggufQ3_K_L4.32GBLower quality but usable, good for low RAM availability.
JSL-MedLlama-3-8B-v2.0-Q3_K_M.ggufQ3_K_M4.01GBEven lower quality.
JSL-MedLlama-3-8B-v2.0-IQ3_M.ggufIQ3_M3.78GBMedium-low quality, new method with decent performance comparable to Q3_K_M.
JSL-MedLlama-3-8B-v2.0-IQ3_S.ggufIQ3_S3.68GBLower quality, new method with decent performance, recommended over Q3_K_S quant, same size with better performance.
JSL-MedLlama-3-8B-v2.0-Q3_K_S.ggufQ3_K_S3.66GBLow quality, not recommended.
JSL-MedLlama-3-8B-v2.0-IQ3_XS.ggufIQ3_XS3.51GBLower quality, new method with decent performance, slightly better than Q3_K_S.
JSL-MedLlama-3-8B-v2.0-IQ3_XXS.ggufIQ3_XXS3.27GBLower quality, new method with decent performance, comparable to Q3 quants.
JSL-MedLlama-3-8B-v2.0-Q2_K.ggufQ2_K3.17GBVery low quality but surprisingly usable.
JSL-MedLlama-3-8B-v2.0-IQ2_M.ggufIQ2_M2.94GBVery low quality, uses SOTA techniques to also be surprisingly usable.
JSL-MedLlama-3-8B-v2.0-IQ2_S.ggufIQ2_S2.75GBVery low quality, uses SOTA techniques to be usable.
JSL-MedLlama-3-8B-v2.0-IQ2_XS.ggufIQ2_XS2.60GBVery low quality, uses SOTA techniques to be usable.
JSL-MedLlama-3-8B-v2.0-IQ2_XXS.ggufIQ2_XXS2.39GBLower quality, uses SOTA techniques to be usable.
JSL-MedLlama-3-8B-v2.0-IQ1_M.ggufIQ1_M2.16GBExtremely low quality, not recommended.
JSL-MedLlama-3-8B-v2.0-IQ1_S.ggufIQ1_S2.01GBExtremely low quality, not recommended.

Downloading using huggingface-cli

First, make sure you have hugginface-cli installed:

pip install -U "huggingface_hub[cli]"

Then, you can target the specific file you want:

huggingface-cli download bartowski/JSL-MedLlama-3-8B-v2.0-GGUF --include "JSL-MedLlama-3-8B-v2.0-Q4_K_M.gguf" --local-dir ./ --local-dir-use-symlinks False

If the model is bigger than 50GB, it will have been split into multiple files. In order to download them all to a local folder, run:

huggingface-cli download bartowski/JSL-MedLlama-3-8B-v2.0-GGUF --include "JSL-MedLlama-3-8B-v2.0-Q8_0.gguf/*" --local-dir JSL-MedLlama-3-8B-v2.0-Q8_0 --local-dir-use-symlinks False

You can either specify a new local-dir (JSL-MedLlama-3-8B-v2.0-Q8_0) or download them all in place (./)

Which file should I choose?

A great write up with charts showing various performances is provided by Artefact2 here

The first thing to figure out is how big a model you can run. To do this, you'll need to figure out how much RAM and/or VRAM you have.

If you want your model running as FAST as possible, you'll want to fit the whole thing on your GPU's VRAM. Aim for a quant with a file size 1-2GB smaller than your GPU's total VRAM.

If you want the absolute maximum quality, add both your system RAM and your GPU's VRAM together, then similarly grab a quant with a file size 1-2GB Smaller than that total.

Next, you'll need to decide if you want to use an 'I-quant' or a 'K-quant'.

If you don't want to think too much, grab one of the K-quants. These are in format 'QX_K_X', like Q5_K_M.

If you want to get more into the weeds, you can check out this extremely useful feature chart:

llama.cpp feature matrix

But basically, if you're aiming for below Q4, and you're running cuBLAS (Nvidia) or rocBLAS (AMD), you should look towards the I-quants. These are in format IQX_X, like IQ3_M. These are newer and offer better performance for their size.

These I-quants can also be used on CPU and Apple Metal, but will be slower than their K-quant equivalent, so speed vs performance is a tradeoff you'll have to decide.

The I-quants are not compatible with Vulcan, which is also AMD, so if you have an AMD card double check if you're using the rocBLAS build or the Vulcan build. At the time of writing this, LM Studio has a preview with ROCm support, and other inference engines have specific builds for ROCm.

Want to support my work? Visit my ko-fi page here: https://ko-fi.com/bartowski

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
b6133e1

0 моделей