/ Модель

Характеристики

Контекст
200 000 токенов
Параметры
33,9 млрд
Лицензия
Apache 2.0
Архитектура
mixtral · MoE
Базовая модель
bagel-dpo-34b-v0.2
Опубликована
5 янв 2024

Mixtral_34Bx2_MoE_60B

Генерация текстаТекст → текст7 профессий

Объединённая MoE-модель Mixtral с 33,9 млрд параметров для генерации текста и диалогов на английском и китайском языках.

8 778скачиваний за 30 дней114лайковвеса обновлены6 янв 2026

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.

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4625

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,4766

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,4538

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,3381

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,587

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,077

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

cloudyu/Mixtral_34Bx2_MoE_60B — языковая модель для генерации текста, созданная автором репозитория на основе объединения jondurbin/bagel-dpo-34b-v0.2 и SUSTech/SUS-Chat-34B. В метаданных указаны архитектура Mixtral с механизмом Mixture of Experts и около 33,9 млрд параметров; веса опубликованы в формате safetensors. Для модели заявлен контекст до 200 000 токенов.

Модель предназначена для генерации текста и диалоговых сценариев на английском и китайском языках. В README приведены результаты оценок на Open LLM Leaderboard, однако показатели в разных таблицах различаются, поэтому их нельзя считать однозначной характеристикой качества. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация текста на английском языке
  • генерация текста на китайском языке
  • ответы на вопросы в диалоге
  • создание черновиков и продолжение текста

Ограничения

README содержит различающиеся значения среднего результата в таблицах лидерборда, поэтому приведённые оценки неоднозначны. Заявленные языки — английский и китайский; использование для других языков не подтверждено.

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 2x34B

Highest score Model ranked by Open LLM Leaderboard (2024-01-10)

This is my first English & Chinese MoE Model based on

  • [jondurbin/bagel-dpo-34b-v0.2]
  • [SUSTech/SUS-Chat-34B]

New Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.27.42
IFEval (0-Shot)45.38
BBH (3-Shot)41.21
MATH Lvl 5 (4-Shot)6.57
GPQA (0-shot)11.74
MuSR (0-shot)17.78
MMLU-PRO (5-shot)41.85

Old New Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.76.66
AI2 Reasoning Challenge (25-Shot)71.33
HellaSwag (10-Shot)85.25
MMLU (5-Shot)77.34
TruthfulQA (0-shot)66.59
Winogrande (5-shot)84.85
GSM8k (5-shot)74.60

gpu code example

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM
import math

## v2 models
model_path = "cloudyu/Mixtral_34Bx2_MoE_60B"

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_34Bx2_MoE_60B"

tokenizer = AutoTokenizer.from_pretrained(model_path, use_default_system_prompt=False)
model = AutoModelForCausalLM.from_pretrained(
        model_path, torch_dtype=torch.bfloat16, device_map='cpu'
)
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:")

Output Examples:

please input prompt:write a story about yosemite
write a story about yosemite national park
Yosemite National Park is located in the Sierra Nevada Mountains of California, USA. It was established on October 1st, 1890 and covers an area of approximately 747,956 acres (302,687 hectares). The park boasts some of America's most iconic natural wonders such as Yosemite Valley, Half Dome, El Capitan, Bridalveil Fall, Tuolumne Meadows, Glacier Point, Mariposa Grove, and many more breathtaking landscapes that attract millions of visitors each year.

The history of Yosemite dates back to over seven million years ago when glaciers carved out its stunning granite cliffs and valleys. Native American tribes like Miwok and Paiute have lived here for thousands of years before European explorers arrived during the mid-nineteenth century. In fact, it was John Muir - one of America’s greatest conservationists who helped establish this region as a protected wilderness area by advocating for its preservation through his writings and activism.

Today, Yosemite offers various recreational activities including hiking, rock climbing, camping, fishing, horseback riding, wildlife watching, photography, and winter sports like skiing and snowshoeing. Visitors can also enjoy ranger programs, guided tours, educational exhibits at visitor centers, or simply take time to appreciate nature while strolling along scenic trails surrounded by towering sequoia trees, cascading waterfalls, and crystal clear lakes.

In addition to preserving these awe-inspiring vistas, Yosemite plays a crucial role in protecting numerous plant and animal species found within its boundaries. Some notable inhabitants include black bears, mountain lions, mule deer, coyotes, bobcats, golden eagles, peregrine falcons, bighorn sheep, and several types of fish native to the Merced River which runs through the heart of the valley.

As we continue our journey into the future, let us remember the importance of safeguarding places like Yosemite so they may remain pristine sanctuaries where both humans and animals alike can thrive together amidst unspoiled beauty.</s>
please input prompt:李开复是谁?
李开复是谁?
他是一个在人工智能领域有着卓越贡献的科学家,也是一位成功的企业家。他的名字与谷歌、微软等科技巨头紧密相连,他是创新工场的创始人之一,更是无数创业者心中的偶像和导师。然而,除了这些耀眼的光环之外,李开复还有着怎样的故事呢?让我们一起来揭秘这位传奇人物的人生历程吧!</s>

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.27.42
IFEval (0-Shot)45.38
BBH (3-Shot)41.21
MATH Lvl 5 (4-Shot)6.57
GPQA (0-shot)11.74
MuSR (0-shot)17.78
MMLU-PRO (5-shot)41.85

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
MixtralForCausalLM
Ревизия весов
2af346d

0 моделей