/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
10,6 млрд
Лицензия
CC BY-NC 4.0
Архитектура
mixtral · MoE
Опубликована
31 дек 2023

Mixtral_11Bx2_MoE_19B

Генерация текстаТекст → текст7 профессий

Разговорная MoE-модель Mixtral на 10,6 млрд параметров для генерации текста и ответов в диалоге.

643скачиваний за 30 дней38лайковвеса обновлены1 ноя 2024

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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,5209

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,3311

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0672

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4297

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2903

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,3851

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

cloudyu/Mixtral_11Bx2_MoE_19B — разговорная языковая модель семейства Mixtral, опубликованная пользователем cloudyu. По README, она объединяет Sakura-SOLAR-Instruct и CarbonVillain-en-10.7B-v1 в архитектуру смеси экспертов (MoE). Метаданные указывают 10,6 млрд параметров, контекст до 4096 токенов и формат Safetensors.

Модель предназначена для генерации текста в диалоговом формате и общих задач языкового моделирования. В README приведены результаты оценки на HellaSwag и Open LLM Leaderboard, но этих тестов недостаточно, чтобы гарантировать качество в конкретных прикладных сценариях. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование; модель следует применять с соблюдением её условий.

Сценарии применения

  • генерация ответов в текстовом чате
  • создание и продолжение текстов
  • ответы на вопросы общего характера
  • оценка языковых моделей на бенчмарках

Ограничения

В README нет сведений о языковом покрытии и подробной оценке ограничений; приведённые бенчмарки не гарантируют качество на прикладных задачах. Лицензия CC BY-NC 4.0 не допускает коммерческое использование без соответствующего разрешения.

Для каких профессий подходит7

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

Mixtral MOE 2x10.7B

One of Best MoE Model reviewd by reddit community

MoE of the following models :

  • kyujinpy/Sakura-SOLAR-Instruct

  • jeonsworld/CarbonVillain-en-10.7B-v1

  • Local Test

  • hf (pretrained=cloudyu/Mixtral_11Bx2_MoE_19B), gen_kwargs: (None), limit: None, num_fewshot: 10, batch_size: auto (32) | Tasks |Version|Filter|n-shot| Metric |Value | |Stderr| |---------|-------|------|-----:|--------|-----:|---|-----:| |hellaswag|Yaml |none | 10|acc |0.7142|± |0.0045| | | |none | 10|acc_norm|0.8819|± |0.0032|

gpu code example

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM
import math

## v2 models
model_path = "cloudyu/Mixtral_11Bx2_MoE_19B"

tokenizer = AutoTokenizer.from_pretrained(model_path, use_default_system_prompt=False)
model = AutoModelForCausalLM.from_pretrained(
    model_path, torch_dtype=torch.float32, device_map='auto',local_files_only=False, load_in_4bit=True
)
print(model)
prompt = input("please input prompt:")
while len(prompt) > 0:
  input_ids = tokenizer(prompt, return_tensors="pt").input_ids.to("cuda")

  generation_output = model.generate(
    input_ids=input_ids, max_new_tokens=500,repetition_penalty=1.2
  )
  print(tokenizer.decode(generation_output[0]))
  prompt = input("please input prompt:")

CPU example

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM
import math

## v2 models
model_path = "cloudyu/Mixtral_11Bx2_MoE_19B"

tokenizer = AutoTokenizer.from_pretrained(model_path, use_default_system_prompt=False)
model = AutoModelForCausalLM.from_pretrained(
    model_path, torch_dtype=torch.float32, device_map='cpu',local_files_only=False
)
print(model)
prompt = input("please input prompt:")
while len(prompt) > 0:
  input_ids = tokenizer(prompt, return_tensors="pt").input_ids

  generation_output = model.generate(
    input_ids=input_ids, max_new_tokens=500,repetition_penalty=1.2
  )
  print(tokenizer.decode(generation_output[0]))
  prompt = input("please input prompt:")

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.74.41
AI2 Reasoning Challenge (25-Shot)71.16
HellaSwag (10-Shot)88.47
MMLU (5-Shot)66.31
TruthfulQA (0-shot)72.00
Winogrande (5-shot)83.27
GSM8k (5-shot)65.28

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MixtralForCausalLM
Ревизия весов
39edb16

0 моделей