/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
5,8 млрд
Размер весов
11,9 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
Mistral-7B-v0.3-prune6
Опубликована
25 мая 2024

Mistral-v0.3-6B

Генерация текстаТекст → текст9 профессий

Дообученная модель семейства Mistral с 5,8 млрд параметров для генерации текста и общего языкового моделирования.

397скачиваний за 30 дней1лайквеса обновлены29 дек 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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,2454

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,3908

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,2143

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2651

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,3774

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0136

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Mistral-v0.3-6B — плотная авторегрессионная языковая модель семейства Mistral, дообученная pszemraj на базе pszemraj/Mistral-7B-v0.3-prune6. Разработчик описывает обучение как краткое продолжение предобучения с контекстом 4096 токенов для восстановления после прореживания слоёв; в метаданных указаны 5,8 млрд параметров и нативный контекст 32 768 токенов.

Модель предназначена для генерации текста и задач общего языкового моделирования. В карточке приведены результаты оценивания на наборах ARC Easy, BoolQ и Open LLM Leaderboard; они дают ориентир по отдельным тестам, но не гарантируют качество в конкретном сценарии. Репозиторий содержит веса safetensors, а лицензия — Apache-2.0. Карточка не описывает специальные прикладные области или дополнительные модальности.

Сценарии применения

  • генерация продолжения текста
  • создание черновиков и ответов на текстовые запросы
  • ответы на вопросы на основе языкового контекста
  • оценка языковой модели на тестах понимания и рассуждения

Ограничения

Карточка не приводит подробных сведений об ограничениях, кроме описания краткого продолжения предобучения для восстановления после прореживания слоёв. Результаты тестов из README не гарантируют качество на пользовательских задачах.

Для каких профессий подходит9

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

Mistral-v0.3-6B

Brief continued pretraining @ ctx 4096 to 'heal' the layer-pruning.

Model description

This model is a fine-tuned version of pszemraj/Mistral-7B-v0.3-prune6 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 1.2860

axolotl version: 0.4.0

base_model: pszemraj/Mistral-7B-v0.3-prune6
model_type: MistralForCausalLM
tokenizer_type: LlamaTokenizer

strict: false
seed: 80085
max_steps: 2000
# dataset
datasets:
    - path: BEE-spoke-data/knowledge-inoc-concat-v1
      name: smorgasbord-tb-quality
      type: completion 
      field: text 
val_set_size: 0.01

sequence_len: 4096
sample_packing: true
pad_to_sequence_len: false
train_on_inputs: false
group_by_length: false

# WANDB
wandb_project: llama3-pruning
wandb_entity: pszemraj
wandb_watch: gradients
wandb_name: Mistral-6B-v0.3-v0.1-ii
hub_model_id: pszemraj/Mistral-v0.3-6B-ii
hub_strategy: every_save

gradient_accumulation_steps: 16
micro_batch_size: 1
num_epochs: 1
optimizer: paged_adamw_32bit
weight_decay: 0.1
lr_scheduler: cosine
learning_rate: 2e-5
warmup_ratio: 0.1

load_in_8bit: false
load_in_4bit: false
bfloat16: true
tf32: true

flash_attention: true
torch_compile: true 
torch_compile_backend: inductor 
gradient_checkpointing: true
gradient_checkpointing_kwargs:
  use_reentrant: false

# hyperparams for freq of evals, saving, etc
evals_per_epoch: 5
saves_per_epoch: 5
save_safetensors: true
save_total_limit: 1
output_dir: /workspace/output-axolotl/output-model-6b
logging_steps: 6

deepspeed:

special_tokens:

Quick eval

Quick eval for: pszemraj/Mistral-v0.3-6B-ii

bootstrapping for stddev: perplexity hf (pretrained=pszemraj/Mistral-v0.3-6B-ii,trust_remote_code=True,dtype=bfloat16), gen_kwargs: (None), limit: None, num_fewshot: None, batch_size: 2

TasksVersionFiltern-shotMetricValueStderr
arc_easy1none0acc0.7109±0.0093
none0acc_norm0.6654±0.0097
boolq2none0acc0.7930±0.0071
lambada_openai1none0perplexity4.9892±0.1269
none0acc0.6746±0.0065
openbookqa1none0acc0.2460±0.0193
none0acc_norm0.3700±0.0216
piqa1none0acc0.7350±0.0103
none0acc_norm0.7350±0.0103
winogrande1none0acc0.6930±0.0130

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 1
  • eval_batch_size: 1
  • seed: 80085
  • gradient_accumulation_steps: 16
  • total_train_batch_size: 16
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 200
  • training_steps: 2000

Training results

Training LossEpochStepValidation Loss
No log0.000211.5980
1.5780.09554001.4028
1.58280.19118001.3809
1.43550.286612001.3152
1.46180.382216001.2877
1.45510.477720001.2860

Framework versions

  • Transformers 4.40.2
  • Pytorch 2.3.0+cu118
  • Datasets 2.19.1
  • Tokenizers 0.19.1

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.49.23
AI2 Reasoning Challenge (25-Shot)45.14
HellaSwag (10-Shot)71.65
MMLU (5-Shot)51.83
TruthfulQA (0-shot)45.64
Winogrande (5-shot)72.77
GSM8k (5-shot)8.34

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.10.03
IFEval (0-Shot)24.54
BBH (3-Shot)13.52
MATH Lvl 5 (4-Shot)0.83
GPQA (0-shot)2.01
MuSR (0-shot)6.61
MMLU-PRO (5-shot)12.70

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
f7dfe14

0 моделей