Характеристики

Контекст: 1 024 000 токенов
Параметры: 12,1 млрд
Размер весов: 24,5 ГБ
Архитектура: mistral · dense
Базовая модель: SauerkrautLM-Nemo-12b-Instruct
Библиотека: transformers
Опубликована: 16 окт 2024

Ссылки

Hugging Face

MN-Lulanum-12B-FIX

djuna

Генерация текстаТекст → текст10 профессий

MN-Lulanum-12B-FIX — объединённая модель Mistral на 12,1 млрд параметров для генерации текста и ведения диалогов.

27скачиваний за 30 дней1лайквеса обновлены16 окт 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

MN-Lulanum-12B-FIX — объединённая языковая модель, созданная с помощью mergekit на основе unsloth/Mistral-Nemo-Base-2407 и четырёх моделей: VAGOsolutions/SauerkrautLM-Nemo-12b-Instruct, anthracite-org/magnum-v2.5-12b-kto, Undi95/LocalC-12B-e2.0 и NeverSleep/Lumimaid-v0.2-12B. Для слияния применён метод della_linear. Модель использует плотную архитектуру MistralForCausalLM, содержит 12,1 млрд параметров и предназначена для генерации текста и диалоговых сценариев; в метаданных также отмечен интерфейс вызова инструментов.

Заявленная длина контекста — 1 024 000 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Сведения о лицензии, поддерживаемых естественных языках и ограничениях в доступных материалах отсутствуют.

Сценарии применения

генерация ответов в диалоговом интерфейсе
создание связного текста по запросу
построение чат-бота с поддержкой вызова инструментов

Ограничения

В доступных материалах не описаны ограничения модели и условия лицензирования. Поддерживаемые естественные языки также не перечислены.

Для каких профессий подходит10

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

merge

This is a merge of pre-trained language models created using mergekit.

Merge Details

Merge Method

This model was merged using the della_linear merge method using unsloth/Mistral-Nemo-Base-2407 as a base.

Models Merged

The following models were included in the merge:

Configuration

The following YAML configuration was used to produce this model:

models:
  - model: anthracite-org/magnum-v2.5-12b-kto
    parameters:
      weight: 1.0
      density: 0.5
  - model: Undi95/LocalC-12B-e2.0
    parameters:
      weight: 1.0
      lambda: 0.8
  - model: NeverSleep/Lumimaid-v0.2-12B
    parameters:
      weight: 1.0
      density: 0.4
  - model: VAGOsolutions/SauerkrautLM-Nemo-12b-Instruct
    parameters:
      weight: 1.0
merge_method: della_linear
base_model: unsloth/Mistral-Nemo-Base-2407
parameters:
  density: 0.6
  lambda: 1.0
  epsilon: 0.08
  normalize: true
  int8_mask: true
dtype: bfloat16
tokenizer_source: union

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры: MistralForCausalLM
Ревизия весов: 31d8699