Falcon H1 34B Instruct GPTQ Int4

🚀 Falcon-H1模型

Falcon-H1是一系列基於混合架構的語言模型，結合了Transformer和Mamba架構，在多種任務上表現出色，包括推理任務。它支持多語言，為自然語言處理任務提供了高效且強大的解決方案。

🚀 快速開始

目前，你可以使用Hugging Face的transformers、vLLM或我們定製的llama.cpp庫的分支來使用該模型。

安裝依賴

確保安裝最新版本的transformers或vLLM，你可以從源代碼安裝這些包：

pip install git+https://github.com/huggingface/transformers.git

有關從源代碼構建vLLM的更多詳細信息，請參考官方vLLM文檔。

使用示例

🤗 transformers

參考以下代碼片段，使用🤗 transformers運行H1模型：

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "tiiuae/Falcon-H1-1B-Base"

model = AutoModelForCausalLM.from_pretrained(
  model_id,
  torch_dtype=torch.bfloat16,
  device_map="auto"
)

# Perform text generation

vLLM

對於vLLM，只需執行以下命令啟動服務器：

# pip install vllm
vllm serve tiiuae/Falcon-H1-1B-Instruct --tensor-parallel-size 2 --data-parallel-size 1

llama.cpp

我們正在努力將我們的架構直接集成到llama.cpp庫中，在此期間，你可以安裝我們的庫分支並直接使用：https://github.com/tiiuae/llama.cpp-Falcon-H1，安裝指南與llama.cpp相同。

✨ 主要特性

• 模型類型：因果解碼器
• 架構：混合Transformer + Mamba架構
• 支持語言：英語、多語言
• 許可證：Falcon-LLM許可證

📦 安裝指南

安裝transformers

pip install git+https://github.com/huggingface/transformers.git

安裝vLLM

pip install vllm

安裝llama.cpp-Falcon-H1

參考：https://github.com/tiiuae/llama.cpp-Falcon-H1

💻 使用示例

基礎用法

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "tiiuae/Falcon-H1-1B-Base"

model = AutoModelForCausalLM.from_pretrained(
  model_id,
  torch_dtype=torch.bfloat16,
  device_map="auto"
)

# Perform text generation

高級用法

vLLM啟動服務器

# pip install vllm
vllm serve tiiuae/Falcon-H1-1B-Instruct --tensor-parallel-size 2 --data-parallel-size 1

📚 詳細文檔

模型詳情

訓練詳情

有關此模型訓練協議的更多詳細信息，請參考Falcon-H1技術博客文章。

評估結果

Falcon-H1系列在各種任務上表現出色，包括推理任務。詳細評估結果如下：

你可以在我們的發佈博客文章中查看更詳細的基準測試。

有用鏈接

• 查看我們的發佈博客文章。
• 如果你有任何問題或想與我們的研究人員和開發人員交流，請加入我們的Discord服務器。

📄 許可證

本模型使用Falcon-LLM許可證，詳情請見https://falconllm.tii.ae/falcon-terms-and-conditions.html。

📖 引用

如果Falcon-H1系列模型對你的工作有幫助，請引用：

@misc{tiifalconh1,
    title = {Falcon-H1: A Family of Hybrid-Head Language Models Redefining Efficiency and Performance},
    url = {https://falcon-lm.github.io/blog/falcon-h1},
    author = {Falcon-LLM Team},
    month = {May},
    year = {2025}
}