/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
Mistral-7B-Instruct-v0.2
Библиотека
transformers
Опубликована
12 янв 2024

Mistral-7B-Instruct-v0.2-GGUF

Генерация текстаТекст → текст15 профессий

Mistral-7B-Instruct-v0.2-GGUF — это квантизированная GGUF-версия языковой модели Mistral 7B Instruct v0.2, разработанной Mistral AI (mistralai) и подготовленной для распространения компанией Second State Inc.

2 043скачиваний за 30 дней1лайквеса обновлены20 мар 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

Модель предназначена для генерации текста и выполнения инструкций в диалоговых и прикладных сценариях, включая локальный запуск через LlamaEdge. Она использует шаблон запросов mistral-instruct и поддерживает контекст до 4096 токенов.

Модель содержит около 7 миллиардов параметров и работает только с текстом. Доступны варианты квантизации от 2 до 8 бит в формате GGUF, различающиеся размером файлов и компромиссом между требованиями к памяти и качеством: от 3,08 ГБ для Q2_K до 7,7 ГБ для Q8_0. В README не указаны поддерживаемые языки и подробности архитектуры. Варианты с низкой разрядностью требуют меньше ресурсов, но могут заметно терять в качестве; Q4_K_M, Q5_K_M и Q5_K_S обозначены как сбалансированные или рекомендуемые.

Для запуска через LlamaEdge требуется версия 0.2.8 или новее. Модель распространяется по лицензии Apache-2.0, однако конкретные условия использования отдельных вариантов следует соотносить с лицензией исходной модели.

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

Mistral-7B-Instruct-v0.2-GGUF

Original Model

mistralai/Mistral-7B-Instruct-v0.2

Run with LlamaEdge

  • LlamaEdge version: v0.2.8 and above

  • Prompt template

    • Prompt type: mistral-instruct

    • Prompt string

      <s>[INST] {prompt} [/INST]
      
  • Context size: 4096

  • Run as LlamaEdge service

    wasmedge --dir .:. --nn-preload default:GGML:AUTO:Mistral-7B-Instruct-v0.2-Q5_K_M.gguf llama-api-server.wasm -p mistral-instruct
    
  • Run as LlamaEdge command app

    wasmedge --dir .:. --nn-preload default:GGML:AUTO:Mistral-7B-Instruct-v0.2-Q5_K_M.gguf llama-chat.wasm -p mistral-instruct
    

Quantized GGUF Models

NameQuant methodBitsSizeUse case
Mistral-7B-Instruct-v0.2-Q2_K.ggufQ2_K23.08 GBsmallest, significant quality loss - not recommended for most purposes
Mistral-7B-Instruct-v0.2-Q3_K_L.ggufQ3_K_L33.82 GBsmall, substantial quality loss
Mistral-7B-Instruct-v0.2-Q3_K_M.ggufQ3_K_M33.52 GBvery small, high quality loss
Mistral-7B-Instruct-v0.2-Q3_K_S.ggufQ3_K_S33.16 GBvery small, high quality loss
Mistral-7B-Instruct-v0.2-Q4_0.ggufQ4_044.11 GBlegacy; small, very high quality loss - prefer using Q3_K_M
Mistral-7B-Instruct-v0.2-Q4_K_M.ggufQ4_K_M44.37 GBmedium, balanced quality - recommended
Mistral-7B-Instruct-v0.2-Q4_K_S.ggufQ4_K_S44.14 GBsmall, greater quality loss
Mistral-7B-Instruct-v0.2-Q5_0.ggufQ5_055 GBlegacy; medium, balanced quality - prefer using Q4_K_M
Mistral-7B-Instruct-v0.2-Q5_K_M.ggufQ5_K_M55.13 GBlarge, very low quality loss - recommended
Mistral-7B-Instruct-v0.2-Q5_K_S.ggufQ5_K_S55 GBlarge, low quality loss - recommended
Mistral-7B-Instruct-v0.2-Q6_K.ggufQ6_K65.94 GBvery large, extremely low quality loss
Mistral-7B-Instruct-v0.2-Q8_0.ggufQ8_087.7 GBvery large, extremely low quality loss - not recommended

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Класс архитектуры
MistralForCausalLM
Ревизия весов
ab93bab

0 моделей