Instructions to use aixsatoshi/Swallow-MX-8x7b-NVE-chatvector-Mixtral-instruct with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use aixsatoshi/Swallow-MX-8x7b-NVE-chatvector-Mixtral-instruct with Transformers:

# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-generation", model="aixsatoshi/Swallow-MX-8x7b-NVE-chatvector-Mixtral-instruct")

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("aixsatoshi/Swallow-MX-8x7b-NVE-chatvector-Mixtral-instruct")
model = AutoModelForCausalLM.from_pretrained("aixsatoshi/Swallow-MX-8x7b-NVE-chatvector-Mixtral-instruct", device_map="auto")

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use aixsatoshi/Swallow-MX-8x7b-NVE-chatvector-Mixtral-instruct with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "aixsatoshi/Swallow-MX-8x7b-NVE-chatvector-Mixtral-instruct"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "aixsatoshi/Swallow-MX-8x7b-NVE-chatvector-Mixtral-instruct",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Use Docker

docker model run hf.co/aixsatoshi/Swallow-MX-8x7b-NVE-chatvector-Mixtral-instruct

SGLang

How to use aixsatoshi/Swallow-MX-8x7b-NVE-chatvector-Mixtral-instruct with SGLang:

Install from pip and serve model

# Install SGLang from pip:
pip install sglang
# Start the SGLang server:
python3 -m sglang.launch_server \
    --model-path "aixsatoshi/Swallow-MX-8x7b-NVE-chatvector-Mixtral-instruct" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "aixsatoshi/Swallow-MX-8x7b-NVE-chatvector-Mixtral-instruct",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Use Docker images

docker run --gpus all \
    --shm-size 32g \
    -p 30000:30000 \
    -v ~/.cache/huggingface:/root/.cache/huggingface \
    --env "HF_TOKEN=<secret>" \
    --ipc=host \
    lmsysorg/sglang:latest \
    python3 -m sglang.launch_server \
        --model-path "aixsatoshi/Swallow-MX-8x7b-NVE-chatvector-Mixtral-instruct" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "aixsatoshi/Swallow-MX-8x7b-NVE-chatvector-Mixtral-instruct",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Docker Model Runner
How to use aixsatoshi/Swallow-MX-8x7b-NVE-chatvector-Mixtral-instruct with Docker Model Runner:
```
docker model run hf.co/aixsatoshi/Swallow-MX-8x7b-NVE-chatvector-Mixtral-instruct
```
Browse Quantizations to use this model in llama.cpp, Ollama, LM Studio, or any compatible app.

更新情報 日本語機能とinstructベクトルのバランス調整したver.2をアップロードしました
Swallow-MX-8x7b-NVE-chatvector-Mixtral-instruct-v2

モデル概要

Swallow-MX-8x7b-NVE-v0.1に対し、

Mixtral-8x7B-Instruct-v0.1と
Mixtral-8x7B-v0.1の差分をマージしたモデルです。

Swallow-MX-8x7b-NVE-v0.1 + Mixtral-8x7B-Instruct-v0.1 - Mixtral-8x7B-v0.1

Swallow-MX-8x7b-NVE-v0.1は、コンテクスト長4096までの日本語継続学習モデルですが、
英語モデルのInstructベクトルをマージすることで、流暢な日本語機能を維持してコンテクスト長を32Kまで拡大、Instruct機能を大幅アップしました。

注目すべき点
　1、4096token以上の部分は日本語継続事前学習していないが、今回の英語モデルの差分マージのみで日本語機能が32Kまで維持出来ている点
　2、英語モデルのInstruct機能が、差分マージのみで日本語モデルに簡単に移行できる点

詳細は以下文献を参照ください。

参考文献
LLM差分マージしてみた
 Chat Vector
Chat Vectorを使って日本語LLMをチャットモデルに改造する
 jovyan/Swallow-MS-7b-v0.1-ChatVector
kousw/stablelm-gamma-7b-chatvector

Downloads last month: 5

Safetensors

Model size

47B params

Tensor type

BF16

Model tree for aixsatoshi/Swallow-MX-8x7b-NVE-chatvector-Mixtral-instruct

Quantizations

1 model

Paper for aixsatoshi/Swallow-MX-8x7b-NVE-chatvector-Mixtral-instruct

Chat Vector: A Simple Approach to Equip LLMs With New Language Chat Capabilities

Paper • 2310.04799 • Published Oct 7, 2023