源2.0-M32大模型发布量化版 运行显存仅需23GB 性能可媲美LLaMA3
2024-08-26 17:15:26爱云资讯153151
源2.0-M32量化版是"源"大模型团队为进一步提高模算效率,降低大模型部署运行的计算资源要求而推出的版本,通过采用领先的量化技术,将原模型精度量化至int4和int8级别,并保持模型性能基本不变。源2.0-M32量化版提高了模型部署加载速度和多线程推理效率,在不同硬件和软件环境中均能高效运行,降低了模型移植和部署门槛,让用户使用更少的计算资源,就能获取源2.0-M32大模型的强大能力。
源2.0-M32大模型是浪潮信息"源2.0"系列大模型的最新版本,其创新性地提出和采用了"基于注意力机制的门控网络"技术,构建包含32个专家(Expert)的混合专家模型(MoE),模型运行时激活参数为37亿,在业界主流基准评测中性能全面对标700亿参数的LLaMA3开源大模型,大幅提升了模型算力效率。
模型量化(Model Quantization)是优化大模型推理的一种主流技术,它显著减少了模型的内存占用和计算资源消耗,从而加速推理过程。然而,模型量化可能会影响模型的性能。如何在压缩模型的同时维持其精度,是量化技术面临的核心挑战。
源2.0-M32大模型研发团队深入分析当前主流的量化方案,综合评估模型压缩效果和精度损失表现,最终采用了GPTQ量化方法,并采用AutoGPTQ作为量化框架。为了确保模型精度最大化,一方面定制化适配了适合源2.0-M32结构的算子,提高了模型的部署加载速度和多线程推理效率,实现高并发推理;另一方面对需要量化的中间层(inter_layers)进行了严格评估和筛选,确定了最佳的量化层。从而成功将模型精度量化至int4和int8级别,在模型精度几乎无损的前提下,提升模型压缩效果、增加推理吞吐量和降低计算成本,使其更易于部署到移动设备和边缘设备上。
评测结果显示,源2.0-M32量化版在多个业界主流的评测任务中性能表现突出,特别是在MATH(数学竞赛)、ARC-C(科学推理)任务中,比肩拥有700亿参数的LLaMA3大模型。
总之,源2.0-M32大模型量化版在保持推理性能的前提下,显著降低了计算资源消耗和内存占用,其采用的GPTQ量化方法通过精细调整,成功将模型适配至int4和int8精度级别。通过定制化算子优化,源2.0-M32量化版实现了模型结构的深度适配和性能的显著提升,确保在不同硬件和软件环境中均能高效运行。未来,随着量化技术的进一步优化和应用场景的拓展,源2.0-M32量化版有望在移动设备和边缘计算等领域发挥更广泛的作用,为用户提供更高效的智能服务。
相关文章
- 三维天地DAMV13:以大模型驱动,重塑“治理-开发-应用”智能闭环新范式
- 奇瑞风云A9L全球上市,联合Momenta打造基于飞轮大模型“猎鹰”驾辅方案
- 首批! 启明星辰大模型应用防火墙通过中国信通院“可信安全”评估
- 易联众智鼎云帆大模型成功完成生成式人工智能服务登记
- 飞渡科技发布“峥嵘大模型”:开启空间智能新时代,让世界学会思考
- 云知声座舱端侧意图理解大模型首落地,刷新智慧交互新体验
- ICCV 2025 | 腾讯优图实验室大模型8篇论文入选,涵盖风格化人脸识别、AI生成图像检测、多模态大语言模型等方向
- 移动云主导的IETF国际标准发布, 助AI大模型突破通信瓶颈
- 接入豆包大模型,巨人网络解锁《太空杀》AI游戏玩法新高度
- 超低延时重构AI推理体验!白山云发布“大模型API”产品
- 星云星空祝宁馨EAP年会重磅发声:AI大模型重构员工心理服务新生态
- Momenta飞轮大模型:AI也能动物友好
- 玄武云出席崔牛会AI活动,聊聊AI大模型如何掌握终端信息
- 容联云携手长江证券,打造证券大模型质检AI Agent标杆
- 百度文心大模型4.5系列模型开源,国内首发平台GitCode现已开放下载!
- MWCSH 2025 | 中国移动携手华为发布网络运行大模型2.0