/ Модель

Характеристики

Контекст
8 192 токена
Параметры
69,3 млрд
Размер весов
929 ГБ
Лицензия
Своя лицензия
Архитектура
mixtral · MoE
Опубликована
5 ноя 2024

sarashina2-8x70b

Генерация текстаТекст → текст3 профессии

Большая японско-английская MoE-модель SB Intuitions для генерации и продолжения текста.

174скачиваний за 30 дней34лайкавеса обновлены11 ноя 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Sarashina2-8x70B — большая языковая модель, разработанная SB Intuitions. Это модель архитектуры Mixture-of-Experts семейства Mixtral, созданная методом sparse upcycling на основе Sarashina2-70B. В модели более 450 млрд параметров в сумме; метаданные указывают 69,3 млрд параметров. Она обучена на смеси японских и английских веб-текстов, использует токенизатор SentencePiece с unigram-моделью и byte fallback и принимает исходные японские фразы без предварительной токенизации. Контекст составляет 8192 токена.

Модель предназначена для продолжения и генерации текста на японском и английском языках. Для инференса в BF16 карточка указывает требования в 16 ускорителей H100 или 16 ускорителей A100 с 80 ГБ памяти.

Sarashina2-8x70B не настроена на следование инструкциям, поэтому может выдавать бессмысленные, неточные или предвзятые и нежелательные ответы. Для диалоговых или пользовательских сценариев разработчикам рекомендуется дополнительно настраивать модель с учётом предпочтений людей и требований безопасности. Лицензия указана как other; конкретные условия следует сверять с файлами лицензии репозитория.

Сценарии применения

  • генерация японского текста
  • продолжение английского текста
  • эксперименты с архитектурой Mixture-of-Experts
  • исследование обработки японских веб-текстов

Ограничения

Модель не настроена на следование инструкциям и может генерировать бессмысленный или неточный текст, а также предвзятые или нежелательные ответы. BF16-инференс требует 16 ускорителей H100 либо 16 A100 с 80 ГБ памяти.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Sarashina2-8x70B

This repository provides large language models trained by SB Intuitions.

Required Hardware

BF16 Inference:

  • 16x H100
  • 16x A100 80GB

Model Description

We constructed this Sarashina2-8x70B model, which consists of over 450 billion parameters, by applying the sparse upcycling technique to our Sarashina2-70B model to efficiently build the Mixture-of-Experts model. We trained the Sarashina2-8x70B model using a mix of Japanese and English corpora from web data.

Tokenization

We use a sentencepiece tokenizer with a unigram language model and byte-fallback. We do not apply pre-tokenization with Japanese tokenizer. Thus, a user may directly feed raw sentences into the tokenizer.

Ethical Considerations and Limitations

Sarashina2 has not been tuned to follow an instruction yet. Therefore, sarashina2 might generate some meaningless sequences, some inaccurate instances or biased/objectionable outputs. Before using sarashina2, we would like developers to tune models based on human preferences and safety considerations.

License

Sarashina Model NonCommercial License Agreement

Как запустить

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

GPU в ailist

vLLM

Нельзя запустить

Модель не помещается даже в 8 × 80 ГБ.

Класс архитектуры
MixtralForCausalLM
Ревизия весов
e44bf58

0 моделей