/ Модель

Характеристики

Контекст
65 536 токенов
Параметры
22 млрд
Лицензия
Apache 2.0
Архитектура
mixtral · MoE
Опубликована
11 апр 2024

Mixtral-8x22B-v0.1-GGUF

Генерация текстаТекст → текст8 профессий

bartowski/Mixtral-8x22B-v0.1-GGUF — набор GGUF-квантизаций базовой текстовой генеративной модели Mixtral-8x22B-v0.1, исходная версия которой опубликована в репозитории mistral-community.

791скачиваний за 30 дней14лайковвеса обновлены13 апр 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

Квантизацию выполнил bartowski с использованием llama.cpp. Модель предназначена для локального запуска и генерации текста, включая задачи продолжения текста и другие сценарии, поддерживаемые базовой языковой моделью.

Модель использует архитектуру Mixture of Experts (MoE) и обозначение 8x22B; точное число активных параметров и размер контекста в README не указаны. Заявлена поддержка английского, французского, итальянского, немецкого и испанского языков. Это базовая модель без заданного формата промпта, поэтому форматирование запросов должен определять пользователь или приложение.

Репозиторий предлагает варианты квантизации Q2_K, Q3, Q4, Q5 и IQ, размером примерно от 52 до 100 ГБ. Более высокие уровни обычно обеспечивают лучшее качество, но требуют больше памяти; низкие уровни позволяют запускать модель на системах с ограниченными ресурсами ценой качества. I-квантизации могут быть выгоднее по соотношению размера и производительности на некоторых конфигурациях, но имеют ограничения совместимости, в частности не поддерживаются Vulkan. Для работы требуется значительный объём RAM и/или VRAM, а модель разделена на несколько файлов. Лицензия — Apache-2.0.

Для каких профессий подходит8

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 Quantizations of Mixtral-8x22B-v0.1

Using llama.cpp release b2636 for quantization.

Original model: https://huggingface.co/mistral-community/Mixtral-8x22B-v0.1

Prompt format

This is a base model with no prompt format.

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

This is a very large model and has been split into parts to upload. Recent versions of llamacpp allow you to load part 1 and the rest will load as well. Make sure you download all parts of the chosen size.

FilenameQuant typeFile SizeDescription
Mixtral-8x22B-v0.1-Q5_K_M.ggufQ5_K_M99.96GBHigh quality, recommended.
Mixtral-8x22B-v0.1-Q5_K_S.ggufQ5_K_S96.97GBHigh quality, recommended.
Mixtral-8x22B-v0.1-Q4_K_M.ggufQ4_K_M85.58GBGood quality, uses about 4.83 bits per weight, recommended.
Mixtral-8x22B-v0.1-Q4_K_S.ggufQ4_K_S80.47GBSlightly lower quality with more space savings, recommended.
Mixtral-8x22B-v0.1-IQ4_NL.ggufIQ4_NL80.47GBDecent quality, slightly smaller than Q4_K_S with similar performance recommended.
Mixtral-8x22B-v0.1-IQ4_XS.ggufIQ4_XS76.35GBDecent quality, smaller than Q4_K_S with similar performance, recommended.
Mixtral-8x22B-v0.1-Q3_K_L.ggufQ3_K_L72.57GBLower quality but usable, good for low RAM availability.
Mixtral-8x22B-v0.1-Q3_K_M.ggufQ3_K_M67.78GBEven lower quality.
Mixtral-8x22B-v0.1-IQ3_M.ggufIQ3_M64.49GBMedium-low quality, new method with decent performance comparable to Q3_K_M.
Mixtral-8x22B-v0.1-IQ3_S.ggufIQ3_S61.49GBLower quality, new method with decent performance, recommended over Q3_K_S quant, same size with better performance.
Mixtral-8x22B-v0.1-Q3_K_S.ggufQ3_K_S61.49GBLow quality, not recommended.
Mixtral-8x22B-v0.1-IQ3_XS.ggufIQ3_XS58.22GBLower quality, new method with decent performance, slightly better than Q3_K_S.
Mixtral-8x22B-v0.1-Q2_K.ggufQ2_K52.10GBVery low quality but surprisingly usable.

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.

Класс архитектуры
MixtralForCausalLM
Ревизия весов
2fe43b1

0 моделей