Attention quantization: HQQ 4-bit, groupsize 64, compress zero, compress scale with groupsize 256
Experts quantization: HQQ 2-bit, groupsize 16, compress zero, compress scale with groupsize 128
Характеристики
- Контекст
- 32 768 токенов
- Параметры
- 7,1 млрд
- Размер весов
- 18,2 ГБ
- Лицензия
- MIT
- Архитектура
- mixtral · MoE
- Библиотека
- transformers
- Опубликована
- 17 дек 2023
Ссылки
Mixtral-8x7B-Instruct-v0.1-offloading-demo
Демонстрационная 4/2-битная квантизированная чат-модель Mixtral для генерации текста с контекстом до 32 768 токенов.
142скачиваний за 30 дней27лайковвеса обновлены30 дек 2023
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.
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
lavawolfiee/Mixtral-8x7B-Instruct-v0.1-offloading-demo — демонстрационная чат-модель для генерации текста на архитектуре Mixtral с разреженной экспертной структурой MoE. Репозиторий содержит веса в формате Safetensors и рассчитан на запуск через Transformers; заявлены 7,1 млрд параметров и контекст до 32 768 токенов.
В README указана квантизация HQQ: attention-блоки сжаты до 4 бит, а эксперты — до 2 бит; также применено сжатие нулей и масштабов. Такая конфигурация предназначена для демонстрации запуска Mixtral с выгрузкой части вычислений или весов, но карточка не описывает конкретное окружение запуска и не приводит результатов оценки качества. Модель ориентирована на диалоговую генерацию текста; в метаданных перечислены английский, французский, итальянский, немецкий и испанский языки. Лицензия — MIT.
Сценарии применения
- диалоговые ответы на английском языке
- генерация текста на французском, итальянском, немецком и испанском
- запуск чат-модели Mixtral в демонстрационных сценариях с ограниченными ресурсами
Ограничения
Данные карточки не содержат результатов оценки качества и подробных требований к запуску. Сильная квантизация до 4 бит для attention и 2 бит для экспертов может влиять на качество генерации.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…
- Класс архитектуры
- MixtralForCausalLM
- Ревизия весов
- 3d47c83