首个开源MoE大模型发布!GPT-4同款架构,来自欧洲的OpenAI

2023-12-09 13:19:57 来源:量子位

梦晨 发自 凹非寺

量子位 | 公众号 QbitAI

"取消今晚所有计划!",许多 AI 开发者决定不睡了。

只因首个开源 MoE 大模型 刚刚由 Mistral AI 发布。

MoE 架构全称专家混合 (Mixture-of-Experts),也就是传闻中 GPT-4 采用的方案,可以说这是开源大模型离 GPT-4 最近的一集了。

没有发布会、没有宣传视频,只靠一个磁力链接,就产生如此轰动效果。

具体参数还得是网速快的人下载完之后,从配置文件里截图发出来的:

7B 参数 x8 个专家,对每个 token 选择前两个最相关的专家来处理。

以至于 OpenAI 创始成员 Karpathy 都吐槽,是不是少了点什么?

怎么缺了一个那种排练很多次的专业范视频,大谈特谈 AI 变革啊。

至于吐槽的是谁,懂得都懂了。

以及他还解释了为什么 AI 社区这几天如此活跃:最大的深度学习会议 NeurIPS 即将在下周开启。

为何这款开源 MoE 模型如此受关注?

因为其前身 Mistral-7B 本来就是开源基础模型里最强的那一档,经常可以越级挑战 13B、34B。

并且 Mistral-7B 以宽松的 Apache-2.0 开源协议发布,可免费商用,这次新模型很可能沿用这个协议。

在多个评测排行榜上,基于 Mistral-7B 微调的 Zephyr-7B-beta 都是前排唯一的 7B 模型,前后都是规模比他大得多的模型。

LLMSYS Chatbot Arena 上,Zephry-7B-beta 目前排第 12

AlpacaEval 上,也排到第 15

目前这个新的 MoE 模型连个正式名字都还没有,社区一般称呼它为 Mistral-7Bx8 MoE

但在大家期待的期待中,新 MoE 模型对比单体 Mistral-7B 的提升幅度,就应该像 GPT-4 对比 GPT-3.5 那样。

但是注意了,有人提醒大家 MoE 对于本地运行来说不是太友好,因为更占内存

但更适合部署在云端,跨设备专家并行,给公司处理并发需求带来成本优势。

行动比较快的公司是前 PyTorch 成员出走创办的 fireworks.ai

第一次尝试、没有任何优化的情况下,需要两张 80GB 内存的卡,优化版本即将推出。

Replicate 上也有了可试玩版本,简单试用发现中文水平也不错。

其实 Mistral AI 也为大家准备了官方配套代码,使用了斯坦福去年发布的轻量级 MoE 库 Megablocks。

Mistral AI 由前 DeepMind、前 Meta 科学家创办。

刚刚完成一轮 4.87 亿美元的新融资,最新估值逼近 20 亿美元,已晋升独角兽。

三位联合创始人中,CEO Arthur Mensch 此前在 DeepMind 巴黎工作。

CTO Timothée Lacroix 和首席科学家 Guillaume Lample 则在 Meta 共同参与过 Llama 系列的研发,Lample 是通讯作者之一。

Arthur Mensch 曾在接受采访时谈到,让模型变小是支持 Agent 发展的路径之一。

如果能把计算成本降低 100 倍,就能构建起更多有意思的应用。

Mistral AI 成立于今年 5 月,种子轮融资 1.13 亿美元。

9 月底,Mistral AI 以磁力链接的形式发布第一个开源模型 Mistral-7B,当时很多开发者试用后都觉得 Llama-2 不香了。

12 月初,Mistral AI 再次甩出开源 MoE 模型磁力链接,再次掀起一波热潮。

这就是公司官号仅有的几次发言。

不少人都拿来和最近谷歌的过度宣传做对比。

最新的梗图:磁力链接就是新的 arXiv。

参考链接:

1\][x.com/MistralAI/s...](https://link.juejin.cn?target=https%3A%2F%2Fx.com%2FMistralAI%2Fstatus%2F1733150512395038967%3Fs%3D20 "https://x.com/MistralAI/status/1733150512395038967?s=20") \[2\][github.com/mistralai/m...](https://link.juejin.cn?target=https%3A%2F%2Fgithub.com%2Fmistralai%2Fmegablocks-public "https://github.com/mistralai/megablocks-public") \[3\][replicate.com/nateraw/mix...](https://link.juejin.cn?target=https%3A%2F%2Freplicate.com%2Fnateraw%2Fmixtral-8x7b-32kseqlen "https://replicate.com/nateraw/mixtral-8x7b-32kseqlen") *版权所有,未经授权不得以任何形式转载及使用,违者必究。*

相关推荐
冰蓝蓝9 分钟前
TensorBoard
人工智能·深度学习
搞程序的心海14 分钟前
神经网络入门:生动解读机器学习的“神经元”
人工智能·神经网络·机器学习
AI浩15 分钟前
OverLoCK:一种采用“先总体把握再初步审视继而深入观察”架构的卷积神经网络(ConvNet),融合了上下文信息的动态卷积核
人工智能·神经网络·cnn
weixin_4578858222 分钟前
虎跃办公AI赋能的实时协同开发范式与神经符号系统突破
人工智能·搜索引擎·ai·deepseek
誉鏐23 分钟前
RNN模型与NLP应用——(8/9)Attention(注意力机制)
人工智能·rnn·自然语言处理
嵌入式仿真实验教学平台1 小时前
嵌入式仿真实验教学平台的核心优势再解析:对比Proteus的技术与教学价值突破
人工智能·单片机·嵌入式硬件·学习·proteus·嵌入式实时数据库
带你去吃小豆花3 小时前
在亚马逊云科技上使用n8n快速构建个人AI NEWS助理
人工智能·科技·ai·云原生·aws
AI技术控4 小时前
计算机视觉算法实战——基于YOLOv8的自动驾驶障碍物实时感知系统
人工智能·yolo·自动驾驶
耘瞳科技7 小时前
喜讯 | 耘瞳科技视觉检测与测量装备荣膺“2024机器视觉创新产品TOP10”
人工智能·科技·视觉检测
__Benco9 小时前
OpenHarmony子系统开发 - DFX(一)
人工智能·harmonyos