/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,1 млрд
Размер весов
15,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-7B
Библиотека
transformers
Опубликована
31 янв 2025

Xwen-7B-Chat

Генерация текстаТекст → текст10 профессий

Дообученная на Qwen2.5-7B диалоговая языковая модель для генерации текста и создания чат-ботов.

75скачиваний за 30 дней32лайкавеса обновлены4 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 оценки6

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

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,429

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,6864

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,3914

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2609

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,5068

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,4509

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Xwen-7B-Chat — диалоговая языковая модель команды xwen-team, дообученная на базе Qwen2.5-7B. Это плотная трансформерная модель с 7,1 млрд параметров для генерации текста и ведения диалога; она принимает текст и выдаёт текст. В метаданных указан контекст до 131 072 токенов, поддержка английского и китайского языков, интерфейс для вызова инструментов и библиотека Transformers.

Модель предназначена для чат-ботов и ответов на пользовательские запросы. Авторы приводят результаты Arena-Hard-Auto, MT-Bench и AlignBench, где Xwen-7B-Chat показала результаты выше приведённых в карточке сравнений с рядом сопоставимых моделей; это результаты бенчмарков, а не гарантия качества для конкретного сценария. Авторы также предупреждают, что модель специально не обучали точно отвечать на вопросы о собственной личности и разработчиках.

Веса распространяются по лицензии Apache-2.0. В README упомянуты отдельные репозитории с GGUF-квантованиями; эта карточка описывает версию в формате Safetensors.

Сценарии применения

  • ведение диалога с пользователем на английском или китайском языке
  • ответы на общие вопросы в чат-боте
  • генерация связных текстовых ответов
  • создание диалогового помощника с интерфейсом вызова инструментов

Ограничения

По предупреждению авторов, модель может давать случайные или неточные ответы о своей личности и разработчиках. Результаты бенчмарков из карточки не гарантируют качество в конкретном применении.

Для каких профессий подходит10

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

Xwen-7B-Chat

[!IMPORTANT] If you enjoy our model, please give it a like on our Hugging Face repo. Your support means a lot to us. Thank you!

[!IMPORTANT] You can download the GGUF files of Xwen-7B-Chat at xwen-team/Xwen-7B-Chat-i1-GGUF (weighted/imatrix quants) and xwen-team/Xwen-7B-Chat-GGUF (static quants).

NEWS:

  • Big thanks to @mradermacher for helping us build GGUFs for our Xwen-72B-Chat and Xwen-7B-Chat! The GGUF files have accumulated over 2k downloads in one day 🚀 Our official GGUF repos: xwen-team/Xwen-7B-Chat-i1-GGUF (weighted/imatrix quants) and xwen-team/Xwen-7B-Chat-GGUF (static quants).

1. Introduction

Xwen is a series of open-sourced large language models (currently including Xwen-72B-Chat and Xwen-7B-Chat), post-trained from the pre-trained Qwen2.5 models (i.e., Qwen2.5-72B and Qwen2.5-7B) [1].

🏆 Top-1 chat performance! To the best of our knowledge, at the time of Xwen models' release (February 1, 2025), Xwen-72B-Chat and Xwen-7B-Chat exhibit the best chat performance among open-sourced models below 100B and 10B, respectively, based on evaluation results from widely-used benchmarks such as Arena-Hard-Auto [2], MT-Bench [3], and AlignBench [4]. Please view details in the Evaluation Results part.

🚀 Xwen technical report is on the way! During the training of Xwen models, we have accumulated many technical insights and lessons. To promote the democratization of technology, we are in the process of documenting these insights and lessons in a technical report, which will be released as soon as possible.

2. Usage

[!CAUTION] For optimal performance, we refrain from fine-tuning the model's identity. Thus, inquiries such as "Who are you" or "Who developed you" may yield random responses that are not necessarily accurate.

[!CAUTION] This open-source model is provided "as is," without warranties or liabilities, and users assume all risks associated with its use; users are advised to comply with local laws, and the model's outputs do not represent the views or positions of the developers.

The usage of our Xwen-Chat models is similar to that of the Qwen2.5-Instruct models, with the tokenizer and chat template being identical to those of the Qwen2.5-Instruct models.

Here we provide a python script to demonstrate how to deploy our Xwen models to generate reponses:

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "xwen-team/Xwen-7B-Chat"   # Or "xwen-team/Xwen-72B-Chat" if you want to use the 72B model

model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained(model_name)

prompt = "Give me a short introduction to large language models."
messages = [
    {"role": "system", "content": "You are Xwen, created by Xwen Team. You are a helpful assistant."},   # This system prompt is not necessary, and you can put it as an empty string.
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=512
)
generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]

print(response)

3. Evaluation Results

[!CAUTION] Results on other benchmarks will be updated soon! 😊

🔑: Open-sourced

🔒: Proprietary

3.1 Arena-Hard-Auto-v0.1

All results below, except those for Xwen-72B-Chat, DeepSeek-V3 and DeepSeek-R1, are sourced from Arena-Hard-Auto (accessed on February 1, 2025).

The results of DeepSeek-V3 and DeepSeek-R1 are borrowed from their officially reported results.

3.1.1 No Style Control

Comparison of Xwen-72B-Chat with other LLMs at a comparable level:

Score95% CIs
Xwen-72B-Chat 🔑86.1 (Top-1 among 🔑 below 100B)(-1.5, 1.7)
Qwen2.5-72B-Instruct 🔑78.0(-1.8, 1.8)
Athene-v2-Chat 🔑85.0(-1.4, 1.7)
DeepSeek-V3 (671B >> 72B) 🔑85.5N/A
DeepSeek-R1 (671B >> 72B) 🔑92.3 (Top-1 among 🔑)N/A
Llama-3.1-Nemotron-70B-Instruct 🔑84.9(-1.7, 1.8)
Llama-3.1-405B-Instruct-FP8 🔑69.3(-2.4, 2.2)
Claude-3-5-Sonnet-20241022 🔒85.2(-1.4, 1.6)
O1-Preview-2024-09-12 🔒92.0 (Top-1 among 🔒)(-1.2, 1.0)
O1-Mini-2024-09-12 🔒90.4(-1.1, 1.3)
GPT-4-Turbo-2024-04-09 🔒82.6(-1.8, 1.5)
GPT-4-0125-Preview 🔒78.0(-2.1, 2.4)
GPT-4o-2024-08-06 🔒77.9(-2.0, 2.1)
Yi-Lightning 🔒81.5(-1.6, 1.6)
Yi-Large🔒63.7(-2.6, 2.4)
GLM-4-0520 🔒63.8(-2.9, 2.8)

Comparison of Xwen-7B-Chat with other LLMs at a comparable level:

Score95% CIs
Xwen-7B-Chat 🔑59.4(-2.4, 2.1)
Qwen2.5-7B-Instruct 🔑50.4(-2.9, 2.5)
Gemma-2-27B-IT 🔑57.5(-2.1, 2.4)
Llama-3.1-8B-Instruct 🔑21.3(-1.9, 2.2)
Llama-3-8B-Instruct 🔑20.6(-2.0, 1.9)
Starling-LM-7B-beta 🔑23.0(-1.8, 1.8)
DeepSeek-R1-Distill-Qwen-7B (only responses) 🔑17.2(-1.4, 1.7)
DeepSeek-R1-Distill-Qwen-7B (w/ thoughts and responses) 🔑13.6(-1.4, 1.8)

3.1.2 Style Control

Comparison of Xwen-72B-Chat with other LLMs at a comparable level:

Score95% CIs
Xwen-72B-Chat 🔑72.4 (Top-1 Among 🔑)(-4.3, 4.1)
Qwen2.5-72B-Instruct 🔑63.3(-2.5, 2.3)
Athene-v2-Chat 🔑72.1(-2.5, 2.5)
Llama-3.1-Nemotron-70B-Instruct 🔑71.0(-2.8, 3.1)
Llama-3.1-405B-Instruct-FP8 🔑67.1(-2.2, 2.8)
Claude-3-5-Sonnet-20241022 🔒86.4 (Top-1 Among 🔒)(-1.3, 1.3)
O1-Preview-2024-09-12 🔒81.7(-2.2, 2.1)
O1-Mini-2024-09-12 🔒79.3(-2.8, 2.3)
GPT-4-Turbo-2024-04-09 🔒74.3(-2.4, 2.4)
GPT-4-0125-Preview 🔒73.6(-2.0, 2.0)
GPT-4o-2024-08-06 🔒71.1(-2.5, 2.0)
Yi-Lightning 🔒66.9(-3.3, 2.7)
Yi-Large-Preview 🔒65.1(-2.5, 2.5)
GLM-4-0520 🔒61.4(-2.6, 2.4)

Comparison of Xwen-7B-Chat with other LLMs at a comparable level:

Score95% CIs
Xwen-7B-Chat 🔑50.3(-3.8, 2.8)
Qwen2.5-7B-Instruct 🔑46.9(-3.1, 2.7)
Gemma-2-27B-IT 🔑47.5(-2.5, 2.7)
Llama-3.1-8B-Instruct 🔑18.3(-1.6, 1.6)
Llama-3-8B-Instruct 🔑19.8(-1.6, 1.9)
Starling-LM-7B-beta 🔑26.1(-2.6, 2.0)
DeepSeek-R1-Distill-Qwen-7B (only responses) 🔑18.5(-1.6, 1.8)
DeepSeek-R1-Distill-Qwen-7B (w/ thoughts and responses) 🔑11.8(-1.6, 1.6)

3.2 AlignBench-v1.1

[!IMPORTANT] We replaced the original judge model, GPT-4-0613, in AlignBench with the more powerful model, GPT-4o-0513. To keep fairness, all the results below are generated by GPT-4o-0513. As a result, the following results may differ from the AlignBench-v1.1 scores reported elsewhere.

Comparison of Xwen-72B-Chat with other LLMs at a comparable level:

Score
Xwen-72B-Chat 🔑7.57 (Top-1 Among 🔑)
Qwen2.5-72B-Instruct 🔑7.51
Deepseek V2.5 🔑7.38
Mistral-Large-Instruct-2407 🔑7.10
Llama3.1-70B-Instruct 🔑5.81
Llama-3.1-405B-Instruct-FP8 🔑5.56
GPT-4o-0513 🔒7.59 (Top-1 Among 🔒)
Claude-3.5-Sonnet-20240620 🔒7.17
Yi-Lightning 🔒7.54
Yi-Large-Preview 🔒7.20

Comparison of Xwen-7B-Chat with other LLMs at a comparable level:

Score
Xwen-7B-Chat 🔑6.88
Qwen2.5-7B-Chat 🔑6.56

3.3 MT-Bench

[!IMPORTANT] We replaced the original judge model, GPT-4, in MT-Bench with the more powerful model, GPT-4o-0513. To keep fairness, all the results below are generated by GPT-4o-0513. As a result, the following results may differ from the MT-Bench scores reported elsewhere.

Comparison of Xwen-72B-Chat with other LLMs at a comparable level:

Score
Xwen-72B-Chat 🔑8.64 (Top-1 Among 🔑)
Qwen2.5-72B-Instruct 🔑8.62
Deepseek V2.5 🔑8.43
Mistral-Large-Instruct-2407 🔑8.53
Llama3.1-70B-Instruct 🔑8.23
Llama-3.1-405B-Instruct-FP8 🔑8.36
GPT-4o-0513 🔒8.59
Claude-3.5-Sonnet-20240620 🔒6.96
Yi-Lightning 🔒8.75 (Top-1 Among 🔒)
Yi-Large-Preview 🔒8.32

Comparison of Xwen-7B-Chat with other LLMs at a comparable level:

Score
Xwen-7B-Chat 🔑7.98
Qwen2.5-7B-Chat 🔑7.71

References

[1] Yang, An, et al. "Qwen2. 5 technical report." arXiv preprint arXiv:2412.15115 (2024).

[2] Li, Tianle, et al. "From Crowdsourced Data to High-Quality Benchmarks: Arena-Hard and BenchBuilder Pipeline." arXiv preprint arXiv:2406.11939 (2024).

[3] Zheng, Lianmin, et al. "Judging llm-as-a-judge with mt-bench and chatbot arena." Advances in Neural Information Processing Systems 36 (2023).

[4] Liu, Xiao, et al. "Alignbench: Benchmarking chinese alignment of large language models." Proceedings of the 62nd Annual Meeting of the Association for Computational Linguistics (2024).

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
b61134b

0 моделей