/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
16,7 млрд
Размер весов
33,7 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
Mistral-7B-Saiga
Библиотека
transformers
Опубликована
21 апр 2024

Gistral-16B

Генерация текстаТекст → текст15 профессий

Gistral-16B — многоязычная разговорная модель Mistral для генерации ответов, решения математических задач и помощи с кодом.

30скачиваний за 30 дней8лайковвеса обновлены21 апр 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 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

Gistral-16B — разговорная языковая модель ehristoforu для генерации текста. Она создана слиянием нескольких моделей семейства Mistral, включая русскоязычную Saiga, модели для математики и кода, а также варианты с расширенным контекстом и диалоговой настройкой. Архитектура — плотная MistralForCausalLM; размер составляет 16,7 млрд параметров, веса доступны в формате safetensors, модель работает через Transformers.

Модель предназначена для диалогов, следования инструкциям, решения математических задач и помощи с кодом. В карточке заявлена поддержка английского, французского, русского, немецкого, японского, китайского, корейского, итальянского и украинского языков. Метаданные указывают на нативный контекст в 32 768 токенов. Модель распространяется по лицензии Apache-2.0.

Качество и поведение могут различаться между задачами, поскольку модель объединяет несколько специализированных чекпойнтов. Упоминание варианта Yarn на 128k среди компонентов слияния не меняет указанный в метаданных нативный контекст самой модели — 32 768 токенов.

Сценарии применения

  • ответы на вопросы в диалоге
  • выполнение текстовых инструкций
  • решение математических задач с пояснениями
  • генерация и объяснение кода
  • многоязычная генерация текста

Ограничения

Модель получена слиянием нескольких чекпойнтов, поэтому её качество может быть неодинаковым на разных задачах. Нативная длина контекста по метаданным — 32 768 токенов.

Для каких профессий подходит15

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

Gistral 16B (Mistral from 7B to 16B)

logo

We created a model from other cool models to combine everything into one cool model.

GGUF Version: ehristoforu/Gistral-16B-Q4_K_M-GGUF

Model Details

Model Description

  • Developed by: @ehristoforu
  • Model type: Text Generation (conversational)
  • Language(s) (NLP): English, French, Russian, German, Japanese, Chinese, Korean, Italian, Ukrainian, Code
  • Finetuned from model: mistralai/Mistral-7B-Instruct-v0.2

How to Get Started with the Model

Use the code below to get started with the model.

from transformers import AutoModelForCausalLM, AutoTokenizer
model_id = "ehristoforu/Gistral-16B"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto")
messages = [
    {"role": "user", "content": "What is your favourite condiment?"},
    {"role": "assistant", "content": "Well, I'm quite partial to a good squeeze of fresh lemon juice. It adds just the right amount of zesty flavour to whatever I'm cooking up in the kitchen!"},
    {"role": "user", "content": "Do you have mayonnaise recipes?"}
]
inputs = tokenizer.apply_chat_template(messages, return_tensors="pt").to("cuda")
outputs = model.generate(inputs, max_new_tokens=20)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

About merge

Base model: mistralai/Mistral-7B-Instruct-v0.2

Merge models:

  • Gaivoronsky/Mistral-7B-Saiga
  • snorkelai/Snorkel-Mistral-PairRM-DPO
  • OpenBuddy/openbuddy-mistral2-7b-v20.3-32k
  • meta-math/MetaMath-Mistral-7B
  • HuggingFaceH4/mistral-7b-grok
  • HuggingFaceH4/mistral-7b-anthropic
  • NousResearch/Yarn-Mistral-7b-128k
  • ajibawa-2023/Code-Mistral-7B
  • SherlockAssistant/Mistral-7B-Instruct-Ukrainian

Merge datasets:

  • HuggingFaceH4/grok-conversation-harmless
  • HuggingFaceH4/ultrachat_200k
  • HuggingFaceH4/ultrafeedback_binarized_fixed
  • HuggingFaceH4/cai-conversation-harmless
  • meta-math/MetaMathQA
  • emozilla/yarn-train-tokenized-16k-mistral
  • snorkelai/Snorkel-Mistral-PairRM-DPO-Dataset
  • microsoft/orca-math-word-problems-200k
  • m-a-p/Code-Feedback
  • teknium/openhermes
  • lksy/ru_instruct_gpt4
  • IlyaGusev/ru_turbo_saiga
  • IlyaGusev/ru_sharegpt_cleaned
  • IlyaGusev/oasst1_ru_main_branch

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
978beec

0 моделей