/ Модель
Каталог

Характеристики

Контекст
8 192 токена
Параметры
95,2 млрд
Размер весов
192 ГБ
Лицензия
Llama 3
Архитектура
llama · dense
Базовая модель
Meta-Llama-3-70B-Instruct
Опубликована
27 апр 2024

Ссылки

Hugging Face

BigWeave-v32-96b

llmixer
Генерация текстаТекст → текст5 профессий

Экспериментальная слитая модель Llama на 95,2 млрд параметров для генерации текста и диалогов.

18скачиваний за 30 дней1лайквеса обновлены28 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.

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

BigWeave v32 96b — экспериментальная языковая модель, созданная llmixer с помощью self-merge модели meta-llama/Meta-Llama-3-70B-Instruct. При слиянии продублированы средние слои и масштабированы матрицы; модель использует архитектуру Llama и предназначена для генерации текста и диалогов в формате prompt llamav3. В ней 95,2 млрд параметров, контекстное окно — 8192 токена; репозиторий содержит веса Safetensors.

Карточка описывает серию экспериментов по настройке параметров слияния, а номер версии не отражает качество. Модель распространяется по лицензии Llama 3.

Сценарии применения

  • генерация ответов в диалоговом ассистенте
  • продолжение текста по запросу
  • экспериментальное сравнение настроек слияния языковых моделей

Ограничения

Модель экспериментальная, а номер версии не является показателем качества; результаты могут зависеть от запроса и сценария использования.

Для каких профессий подходит5

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 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 341модельI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

BigWeave v32 96b

The BigWeave models aim to experimentally identify merge settings for increasing model performance. The version number merely tracks various attempts and is not a quality indicator. Only results demonstrating good performance are retained and shared.

Prompting Format

llamav3

Merge process

This is a self-merge of meta-llama/Meta-Llama-3-70B-Instruct. Middle layers are duplicated and various matrices are scaled according to the template by jukofyork as shown here: https://github.com/arcee-ai/mergekit/issues/198#issuecomment-2079950009

Merge configuration:

const_tag: &MODEL meta-llama/Meta-Llama-3-70B-Instruct

const_tag: &RESIDUAL_SCALE_FACTOR 0.5
const_tag: &QK_ATTENUATION_FACTOR 0.7071067812
const_tag: &OUT_FACTOR 0.9

scale-filter-env: &scale_filter_env
  parameters:
    scale:
      - filter: o_proj
        value: *RESIDUAL_SCALE_FACTOR
      - filter: down_proj
        value: *RESIDUAL_SCALE_FACTOR
      - filter: q_proj
        value: *QK_ATTENUATION_FACTOR
      - filter: k_proj
        value: *QK_ATTENUATION_FACTOR
      - filter: v_proj
        value: *OUT_FACTOR
      - filter: up_proj
        value: *OUT_FACTOR
      - value: 1.0

slices:
  - sources:
    - model: *MODEL
      layer_range: [0, 25]

  - sources:
    - model: *MODEL
      layer_range: [25, 26]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [25, 26]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [26, 27]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [26, 27]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [27, 28]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [27, 28]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [28, 29]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [28, 29]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [29, 30]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [29, 30]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [30, 31]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [30, 31]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [31, 32]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [31, 32]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [32, 33]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [32, 33]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [33, 34]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [33, 34]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [34, 35]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [34, 35]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [35, 36]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [35, 36]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [36, 37]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [36, 37]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [37, 38]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [37, 38]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [38, 39]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [38, 39]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [39, 40]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [39, 40]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [40, 41]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [40, 41]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [41, 42]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [41, 42]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [42, 43]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [42, 43]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [43, 44]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [43, 44]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [44, 45]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [44, 45]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [45, 46]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [45, 46]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [46, 47]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [46, 47]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [47, 48]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [47, 48]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [48, 49]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [48, 49]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [49, 50]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [49, 50]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [50, 51]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [50, 51]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [51, 52]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [51, 52]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [52, 53]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [52, 53]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [53, 54]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [53, 54]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [54, 55]
      <<: *scale_filter_env
  - sources:
    - model: *MODEL
      layer_range: [54, 55]
      <<: *scale_filter_env

  - sources:
    - model: *MODEL
      layer_range: [55, 80]

merge_method: passthrough
dtype: float16

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
4c8cf31

0 моделей

    Создать бенчмарк