/ Модель

Характеристики

Лицензия
Llama 3
Базовая модель
Meta-Llama-3-8B-Instruct-hf
Библиотека
transformers
Опубликована
1 мая 2024

Llama-3-8B-Ultra-Instruct-GGUF

Генерация текстаТекст → текст14 профессий

Llama-3-8B-Ultra-Instruct-GGUF — квантованные версии инструкционной языковой модели Llama-3-8B-Ultra-Instruct.

690скачиваний за 30 дней12лайковвеса обновлены1 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

Исходная модель связана с elinas/Llama-3-8B-Ultra-Instruct и базируется на Undi95/Meta-Llama-3-8B-Instruct-hf; квантования подготовлены bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и выполнения инструкций в локальных сценариях, где важны автономность и умеренные требования к памяти.

Это текстовая модель с примерно 8 млрд параметров, представленная в формате GGUF и совместимая с llama.cpp. Доступны варианты квантования от Q8_0 до IQ1_M размером примерно от 2,16 до 8,54 ГБ. Более качественными считаются Q6_K, Q5_K_M, Q5_K_S и ряд вариантов Q4; низкобитные версии экономят память, но снижают качество. В README не указаны языки, размер контекста, поддержка других модальностей и результаты бенчмарков. Для работы следует использовать специальный chat-шаблон Llama 3 с ролями system, user и assistant.

Модель подходит для локальных чат-ботов, генерации и преобразования текста, а также других задач следования инструкциям. Сильные стороны — широкий выбор квантований, возможность запуска на ограниченных ресурсах и сохранение высокого качества в старших вариантах. Ограничения связаны с потерями качества при сильном квантовании; варианты Q3 и ниже имеют заметно более низкое качество, а IQ1_M не рекомендуется. Лицензия указана как llama3.

Для каких профессий подходит14

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

Llamacpp imatrix Quantizations of Llama-3-8B-Ultra-Instruct

Using llama.cpp release b2777 for quantization.

Original model: https://huggingface.co/elinas/Llama-3-8B-Ultra-Instruct

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

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
38b1644

0 моделей