Mistral Small 3.1 24B Instruct 2503 GPTQ 4b 128g

🚀 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。

# pip install accelerate

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。

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。