モデル概要
モデル特徴
モデル能力
使用事例
🚀 pixtral-12b-FP8-dynamic
これは mistral-community/pixtral-12b の量子化バージョンです。このモデルは重みと活性化を FP8 データ型に量子化しており、複数の言語に対応した商用および研究用途に適しており、vLLM を使って効率的な推論が可能です。
🚀 クイックスタート
このモデルは vLLM バックエンドを使って効率的にデプロイできます。以下にサンプルコードを示します。
from vllm import LLM, SamplingParams
# Initialize the LLM
model_name = "neuralmagic/pixtral-12b-FP8-dynamic"
llm = LLM(model=model_name, max_model_len=10000)
# Create the prompt
image_url = "https://upload.wikimedia.org/wikipedia/commons/thumb/d/dd/Gfp-wisconsin-madison-the-nature-boardwalk.jpg/2560px-Gfp-wisconsin-madison-the-nature-boardwalk.jpg"
messages = [
{
"role": "user",
"content": [
{"type": "text", "text": "Describe the image."},
{"type": "image_url", "image_url": {"url": image_url}},
],
},
]
# Set up sampling parameters
sampling_params = SamplingParams(temperature=0.2, max_tokens=100)
# Generate the response
outputs = llm.chat(messages, sampling_params=sampling_params)
# Print the generated text
for output in outputs:
print(output.outputs[0].text)
vLLM は OpenAI 互換のサービスもサポートしています。詳細は ドキュメント を参照してください。
vllm serve neuralmagic/pixtral-12b-FP8-dynamic
✨ 主な機能
- 多言語対応:英語、ドイツ語、フランス語、イタリア語、ポルトガル語、ヒンディー語、スペイン語、タイ語など、複数の言語をサポートしています。
- モデル最適化:重みと活性化を FP8 データ型に量子化することで、ディスク容量と GPU メモリの要件を約 50% 削減します。
- 効率的な推論:vLLM バックエンドを使って効率的な推論が可能です。
💻 使用例
基本的な使用法
from vllm import LLM, SamplingParams
# Initialize the LLM
model_name = "neuralmagic/pixtral-12b-FP8-dynamic"
llm = LLM(model=model_name, max_model_len=10000)
# Create the prompt
image_url = "https://upload.wikimedia.org/wikipedia/commons/thumb/d/dd/Gfp-wisconsin-madison-the-nature-boardwalk.jpg/2560px-Gfp-wisconsin-madison-the-nature-boardwalk.jpg"
messages = [
{
"role": "user",
"content": [
{"type": "text", "text": "Describe the image."},
{"type": "image_url", "image_url": {"url": image_url}},
],
},
]
# Set up sampling parameters
sampling_params = SamplingParams(temperature=0.2, max_tokens=100)
# Generate the response
outputs = llm.chat(messages, sampling_params=sampling_params)
# Print the generated text
for output in outputs:
print(output.outputs[0].text)
高度な使用法
from transformers import AutoProcessor, LlavaForConditionalGeneration
from llmcompressor.modifiers.quantization import QuantizationModifier
from llmcompressor.transformers import oneshot, wrap_hf_model_class
MODEL_ID = "mistral-community/pixtral-12b"
# Load model.
model_class = wrap_hf_model_class(LlavaForConditionalGeneration)
model = model_class.from_pretrained(MODEL_ID, device_map="auto", torch_dtype="auto")
processor = AutoProcessor.from_pretrained(MODEL_ID)
# Configure the quantization algorithm and scheme.
# In this case, we:
# * quantize the weights to fp8 with per channel via ptq
# * quantize the activations to fp8 with dynamic per token
recipe = QuantizationModifier(
targets="Linear",
scheme="FP8_DYNAMIC",
ignore=["re:.*lm_head", "re:multi_modal_projector.*", "re:vision_model.*"],
)
# Apply quantization and save to disk in compressed-tensors format.
SAVE_DIR = MODEL_ID.split("/")[1] + "-FP8-Dynamic"
oneshot(model=model, recipe=recipe, output_dir=SAVE_DIR)
processor.save_pretrained(SAVE_DIR)
# Confirm generations of the quantized model look sane.
print("========== SAMPLE GENERATION ==============")
input_ids = processor(text="Hello my name is", return_tensors="pt").input_ids.to("cuda")
output = model.generate(input_ids, max_new_tokens=20)
print(processor.decode(output[0]))
print("==========================================")
📚 ドキュメント
モデル概要
- モデルアーキテクチャ:Pixtral (Llava)
- 入力:テキスト/画像
- 出力:テキスト
- モデル最適化:
- 重みの量子化:FP8
- 活性化の量子化:FP8
- 想定される使用例:複数の言語に対応した商用および研究用途に適しており、mistralai/Pixtral-12B-2409 と同様に、アシスタントのようなチャットシーンでの使用を想定しています。
- 不適切な使用範囲:適用される法律や規制(貿易コンプライアンス法律を含む)に違反する方法での使用、および英語以外の言語での使用。
- 公開日:2024 年 11 月 1 日
- バージョン:1.0
- ライセンス:Apache 2.0
- モデル開発者:Neural Magic
モデル最適化
このモデルは mistral-community/pixtral-12b の重みと活性化を FP8 データ型に量子化することで得られました。ソースコードから構築した vLLM を使って推論が可能です。この最適化により、各パラメータのビット数が 16 ビットから 8 ビットに減少し、ディスク容量と GPU メモリの要件が約 50% 削減されます。量子化はトランスフォーマーブロック内の線形演算子の重みと活性化にのみ適用され、対称的なチャネルごとの量子化が行われます。活性化は各トークンの動的な基礎でも量子化され、LLM Compressor を使って量子化されます。
作成過程
このモデルは LLM Compressor を適用することで作成されました。以下にコードを示します。
from transformers import AutoProcessor, LlavaForConditionalGeneration
from llmcompressor.modifiers.quantization import QuantizationModifier
from llmcompressor.transformers import oneshot, wrap_hf_model_class
MODEL_ID = "mistral-community/pixtral-12b"
# Load model.
model_class = wrap_hf_model_class(LlavaForConditionalGeneration)
model = model_class.from_pretrained(MODEL_ID, device_map="auto", torch_dtype="auto")
processor = AutoProcessor.from_pretrained(MODEL_ID)
# Configure the quantization algorithm and scheme.
# In this case, we:
# * quantize the weights to fp8 with per channel via ptq
# * quantize the activations to fp8 with dynamic per token
recipe = QuantizationModifier(
targets="Linear",
scheme="FP8_DYNAMIC",
ignore=["re:.*lm_head", "re:multi_modal_projector.*", "re:vision_model.*"],
)
# Apply quantization and save to disk in compressed-tensors format.
SAVE_DIR = MODEL_ID.split("/")[1] + "-FP8-Dynamic"
oneshot(model=model, recipe=recipe, output_dir=SAVE_DIR)
processor.save_pretrained(SAVE_DIR)
# Confirm generations of the quantized model look sane.
print("========== SAMPLE GENERATION ==============")
input_ids = processor(text="Hello my name is", return_tensors="pt").input_ids.to("cuda")
output = model.generate(input_ids, max_new_tokens=20)
print(processor.decode(output[0]))
print("==========================================")
評価
マルチモーダルベンチマーク
pixtral-12b | pixtral-12b-FP8-dynamic | |
---|---|---|
MMMU (チェーンオブスルー) | 49.44 | 51.11 |
Mathvista (チェーンオブスルー) | 58.1 | 59.4 |
ChartQA (チェーンオブスルー) | 82.64 | 82.68 |
DocVQA (平均正規化レーベンシュタイン類似度) | 89.36 | 89.35 |
テキストベンチマーク
pixtral-12b | pixtral-12b-FP8-dynamic | |
---|---|---|
大規模多タスク言語理解 (5 回プロンプト) | 69.27 | 68.96 |
数学 (0 回プロンプト) | 43.82 | 43.27 |
人間評価 (単一通過率) | 77.80 | 76.4 |
再現
未確定
🔧 技術詳細
このモデルの最適化プロセスでは、mistral-community/pixtral-12b の重みと活性化を FP8 データ型に量子化しています。トランスフォーマーブロック内の線形演算子の重みと活性化のみが量子化され、対称的なチャネルごとの量子化が行われます。活性化は各トークンの動的な基礎でも量子化され、LLM Compressor を使って量子化されます。この最適化により、各パラメータのビット数が 16 ビットから 8 ビットに減少し、ディスク容量と GPU メモリの要件が約 50% 削減されます。
📄 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。
情報テーブル
属性 | 詳細 |
---|---|
モデルタイプ | Pixtral (Llava) |
訓練データ | ドキュメントに記載されていません |









