/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
9,7 млрд
Размер весов
196 ГБ
Лицензия
Apache 2.0
Архитектура
mixtral · MoE
Базовая модель
Mixtral-8x22B-Instruct-v0.1
Библиотека
transformers
Опубликована
21 апр 2024

Gixtral-100B

Генерация текстаТекст → текст15 профессий

Gixtral 100B — объединённая MoE-языковая модель для диалогов, выполнения инструкций и генерации текста на пяти европейских языках.

30скачиваний за 30 дней6лайковвеса 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

Gixtral 100B — разговорная языковая модель для генерации текста и выполнения инструкций, созданная ehristoforu путём объединения нескольких моделей семейства Mixtral и WizardLM, включая Mixtral-8x22B-Instruct-v0.1, Mixtral-8x7B-Instruct-v0.1, Dolphin и WizardLM-2-8x22B. Архитектура — Mixtral с разреженной экспертной структурой (MoE); в метаданных указано 9,7 млрд параметров и контекстное окно 32 768 токенов.

Модель подходит для диалогов, ответов на запросы, следования инструкциям и генерации текста на английском, французском, немецком, испанском и итальянском языках. Для объединения использованы наборы данных, включающие примеры для программирования и инструктивных диалогов. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0.

README описывает модель как объединение моделей, хотя в метаданных среди базовых моделей также указаны Dolphin и WizardLM. Практические результаты объединения и сравнительные оценки в карточке не приведены; фактическое качество может зависеть от запроса и используемой конфигурации.

Сценарии применения

  • ответы на вопросы и ведение диалога на английском языке
  • генерация текстов по пользовательским инструкциям
  • помощь с программированием и генерация кода
  • создание и преобразование текстов на французском, немецком, испанском и итальянском языках

Ограничения

Карточка не приводит сравнительных оценок качества или результатов тестирования объединённой модели. Поддерживаемые в основном языки — английский, французский, немецкий, испанский и итальянский.

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

Gixtral 100B (Mixtral from 8x22B & 8x7B to 100B)

logo

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

Model Details

Model Description

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/Gixtral-100B"
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/Mixtral-8x22B-Instruct-v0.1 & mistralai/Mixtral-8x7B-Instruct-v0.1

Merge models:

  • mistralai/Mixtral-8x22B-Instruct-v0.1
  • mistralai/Mixtral-8x7B-Instruct-v0.1
  • cognitivecomputations/dolphin-2.7-mixtral-8x7b
  • alpindale/WizardLM-2-8x22B

Merge datasets:

  • ehartford/dolphin
  • jondurbin/airoboros-2.2.1
  • ehartford/dolphin-coder
  • migtissera/Synthia-v1.3
  • teknium/openhermes
  • ise-uiuc/Magicoder-OSS-Instruct-75K
  • ise-uiuc/Magicoder-Evol-Instruct-110K
  • LDJnr/Pure-Dove

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
2516ca0

0 моделей