🚀 Mistral-Small-3.1-24B-Instruct-2503-GPTQ-4b-128g
このモデルは、画像とテキストを入力としてテキストを出力するモデルです。Mistral-Small-3.1-24B-Instruct-2503 の重みをINT4データ型に量子化することで得られ、ディスクサイズとGPUメモリ要件を約75%削減します。
🚀 クイックスタート
このモデルを使用するには、transformers
や vLLM
パッケージを特定のバージョンに更新する必要があります。詳細は「📦 インストール」と「💻 使用例」を参照してください。
✨ 主な機能
- モデルの重みをINT4データ型に量子化することで、ディスクサイズとGPUメモリ要件を大幅に削減。
language_model
トランスフォーマーブロック内の線形演算子の重みのみを量子化し、ビジョンモデルとマルチモーダル投影は元の精度のまま維持。
- 対称的なグループごとのスキームで重みを量子化し、グループサイズは128。
- GPTQアルゴリズムを使用して量子化。
- モデルチェックポイントは compressed_tensors 形式で保存。
📦 インストール
transformers
での使用
モデルを transformers
で使用するには、パッケージをMistral-3の安定リリース版に更新します。
pip install git+https://github.com/huggingface/transformers@v4.49.0-Mistral-3
vLLM
での使用
モデルを vLLM
で使用するには、パッケージをバージョン vllm>=0.8.0
に更新します。
💻 使用例
基本的な使用法
transformers
を介した推論の例を以下に示します。
from transformers import AutoProcessor, AutoModelForImageTextToText
from PIL import Image
import requests
import torch
model_id = "ISTA-DASLab/Mistral-Small-3.1-24B-Instruct-2503-GPTQ-4b-128g"
model = AutoModelForImageTextToText.from_pretrained(
model_id, device_map="auto"
).eval()
processor = AutoProcessor.from_pretrained(model_id)
messages = [
{
"role": "system",
"content": [{"type": "text", "text": "You are a helpful assistant."}]
},
{
"role": "user",
"content": [
{"type": "image", "image": "https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/bee.jpg"},
{"type": "text", "text": "Describe this image in detail."}
]
}
]
inputs = processor.apply_chat_template(
messages, add_generation_prompt=True, tokenize=True,
return_dict=True, return_tensors="pt"
).to(model.device, dtype=torch.bfloat16)
input_len = inputs["input_ids"].shape[-1]
with torch.inference_mode():
generation = model.generate(**inputs, max_new_tokens=100, do_sample=False)
generation = generation[0][input_len:]
decoded = processor.decode(generation, skip_special_tokens=True)
print(decoded)
📚 ドキュメント
モデル概要
このモデルは、Mistral-Small-3.1-24B-Instruct-2503 の重みをINT4データ型に量子化することで得られました。この最適化により、パラメータごとのビット数が16から4に減少し、ディスクサイズとGPUメモリ要件が約75%削減されます。
language_model
トランスフォーマーブロック内の線形演算子の重みのみが量子化され、ビジョンモデルとマルチモーダル投影は元の精度のまま維持されます。重みは対称的なグループごとのスキームで量子化され、グループサイズは128です。量子化にはGPTQアルゴリズムが適用されています。
モデルチェックポイントは compressed_tensors 形式で保存されています。
評価
このモデルは、OpenLLM v1ベンチマークで評価されました。モデルの出力は vLLM
エンジンで生成されました。
モデル |
ArcC |
GSM8k |
Hellaswag |
MMLU |
TruthfulQA-mc2 |
Winogrande |
平均 |
回復率 |
Mistral-Small-3.1-24B-Instruct-2503 |
0.7125 |
0.8848 |
0.8576 |
0.8107 |
0.6409 |
0.8398 |
0.7910 |
1.0000 |
Mistral-Small-3.1-24B-Instruct-2503-INT4 (このモデル) |
0.7073 |
0.8711 |
0.8530 |
0.8062 |
0.6252 |
0.8256 |
0.7814 |
0.9878 |
再現方法
結果は以下のコマンドを使用して得られました。
MODEL=ISTA-DASLab/Mistral-Small-3.1-24B-Instruct-2503-GPTQ-4b-128g
MODEL_ARGS="pretrained=$MODEL,max_model_len=4096,tensor_parallel_size=1,dtype=auto,gpu_memory_utilization=0.80"
lm_eval \
--model vllm \
--model_args $MODEL_ARGS \
--tasks openllm \
--batch_size auto
📄 ライセンス
このモデルはApache-2.0ライセンスの下で提供されています。