/ Модель

Характеристики

Контекст
131 072 токена
Параметры
404 млрд
Размер весов
234 ГБ
Лицензия
Llama 3.1
Архитектура
llama · dense
Базовая модель
Llama-3.1-405B-Instruct
Опубликована
16 янв 2025

Llama-3.1-405B-Instruct-NVFP4

Генерация текстаТекст → текст15 профессий

Квантованная до FP4 модель Llama 3.1 405B Instruct для диалога, генерации текста по инструкциям и работы с инструментами.

1 529скачиваний за 30 дней17лайковвеса обновлены26 фев 2025

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

NVIDIA Llama 3.1 405B Instruct NVFP4 — квантованный чекпойнт Meta Llama 3.1 405B Instruct, подготовленный NVIDIA с помощью TensorRT Model Optimizer. Это авторегрессионная плотная трансформерная языковая модель семейства Llama для генерации текста по инструкциям, диалога и интерфейсов вызова инструментов. Веса и активации линейных операторов в блоках трансформера квантованы до FP4; заявленное сокращение требований к диску и памяти GPU составляет примерно 3,5 раза. Модель содержит 403,7 млрд параметров и поддерживает контекст до 131 072 токенов.

Модель принимает текст и выдаёт текст. Для инференса предусмотрен TensorRT-LLM; README указывает совместимость с архитектурой NVIDIA Blackwell и Linux. Можно применять для диалоговых ассистентов, генерации и преобразования текста по инструкциям, а также сценариев с вызовом инструментов. README заявляет возможность коммерческого и некоммерческого использования; лицензия в метаданных — llama3.1. Квантование может влиять на точность, а для запуска требуется совместимое оборудование и программный стек TensorRT-LLM.

Сценарии применения

  • создание диалогового ассистента
  • ответы на вопросы и выполнение текстовых инструкций
  • подготовка и преобразование текстов
  • генерация длинных текстовых ответов с большим контекстом
  • подключение языковой модели к инструментам через интерфейс вызова функций

Ограничения

Для инференса README указывает TensorRT-LLM, Linux и оборудование NVIDIA Blackwell, что ограничивает совместимость. Квантование FP4 может снижать точность; конкретные результаты оценки в доступной карточке не приведены.

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

Model Overview

Description:

The NVIDIA Llama 3.1 405B Instruct FP4 model is the quantized version of the Meta's Llama 3.1 405B Instruct model, which is an auto-regressive language model that uses an optimized transformer architecture. For more information, please check here. The NVIDIA Llama 3.1 405B Instruct FP4 model is quantized with TensorRT Model Optimizer.

This model is ready for commercial/non-commercial use.

Third-Party Community Consideration

This model is not owned or developed by NVIDIA. This model has been developed and built to a third-party’s requirements for this application and use case; see link to Non-NVIDIA (Meta-Llama-3.1-405B-Instruct) Model Card.

License/Terms of Use:

nvidia-open-model-license

llama3.1

Model Architecture:

Architecture Type: Transformers Network Architecture: Llama3.1

Input:

Input Type(s): Text Input Format(s): String Input Parameters: 1D (One Dimensional): Sequences Other Properties Related to Input: Context length up to 128K

Output:

Output Type(s): Text Output Format: String Output Parameters: 1D (One Dimensional): Sequences Other Properties Related to Output: N/A

Software Integration:

Supported Runtime Engine(s):

  • Tensor(RT)-LLM

Supported Hardware Microarchitecture Compatibility:

  • NVIDIA Blackwell

Preferred Operating System(s):

  • Linux

Model Version(s):

The model is quantized with nvidia-modelopt v0.23.0

Datasets:

  • Calibration Dataset: cnn_dailymail ** Data collection method: Automated. ** Labeling method: Unknown.

Inference:

Engine: Tensor(RT)-LLM Test Hardware: B200

Post Training Quantization

This model was obtained by quantizing the weights and activations of Meta-Llama-3.1-405B-Instruct to FP4 data type, ready for inference with TensorRT-LLM. Only the weights and activations of the linear operators within transformers blocks are quantized. This optimization reduces the number of bits per parameter from 16 to 4, reducing the disk size and GPU memory requirements by approximately 3.5x.

Usage

Deploy with TensorRT-LLM

To deploy the quantized checkpoint with TensorRT-LLM LLM API, follow the sample codes below:

  • LLM API sample usage:
from tensorrt_llm import LLM, SamplingParams


def main():

    prompts = [
        "Hello, my name is",
        "The president of the United States is",
        "The capital of France is",
        "The future of AI is",
    ]
    sampling_params = SamplingParams(temperature=0.8, top_p=0.95)

    llm = LLM(model="nvidia/Llama-3.1-405B-Instruct-FP4")

    outputs = llm.generate(prompts, sampling_params)

    # Print the outputs.
    for output in outputs:
        prompt = output.prompt
        generated_text = output.outputs[0].text
        print(f"Prompt: {prompt!r}, Generated text: {generated_text!r}")


# The entry point of the program need to be protected for spawning processes.
if __name__ == '__main__':
    main()

Please refer to the TensorRT-LLM llm-api documentation for more details.

Evaluation

The accuracy benchmark results are presented in the table below:

Ethical Considerations

NVIDIA believes Trustworthy AI is a shared responsibility and we have established policies and practices to enable development for a wide array of AI applications. When downloaded or used in accordance with our terms of service, developers should work with their internal model team to ensure this model meets requirements for the relevant industry and use case and addresses unforeseen product misuse.

Please report security vulnerabilities or NVIDIA AI Concerns here.

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
8ddfc52

0 моделей