夢晨 發自 凹非寺

量子位 | 公衆號 QbitAI

“取消今晚所有計劃！”，許多AI開發者決定不睡了。

只因
首個開源MoE大模型
剛剛由
西北風AI
發佈。

MoE架構全稱
專家混合
（Mixture-of-Experts），也就是傳聞中
GPT-4採用的方案
，可以說這是開源大模型離GPT-4最近的一集了。

沒有發佈會、沒有宣傳視頻，只靠一個磁力鏈接，就產生如此轟動效果。

具體參數還得是網速快的人下載完之後，從配置文件裏截圖發出來的：

7B參數x8個專家
，對每個token選擇前兩個最相關的專家來處理。

以至於OpenAI創始成員Karpathy都吐槽，是不是少了點什麼？

怎麼缺了一個那種排練很多次的專業範視頻，大談特談AI變革啊。

至於吐槽的是誰，懂得都懂了。

以及他還解釋了爲什麼AI社區這幾天如此活躍：最大的深度學習會議NeurIPS即將在下週開啓。

MoE，開源大模型新階段？

爲何這款開源MoE模型如此受關注？

因爲其前身
Mistral-7B
本來就是開源基礎模型裏最強的那一檔，經常可以越級挑戰13B、34B。

並且Mistral-7B以寬鬆的
apache - 2.0
開源協議
發佈，可免費商用，這次新模型很可能沿用這個協議。

在多個評測排行榜上，基於Mistral-7B微調的Zephyr-7B-beta都是
前排唯一的7B模型
，前後都是規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
。

目前這個新的MoE模型連個正式名字都還沒有，社區一般稱呼它
爲Mistral-7Bx8 MoE
。

但在大家期待的期待中，新MoE模型對比單體Mistral-7B的提升幅度，就應該像GPT-4對比GPT-3.5那樣。

但是注意了，有人提醒大家MoE對於本地運行來說不是太友好，因爲更佔內存

但更適合部署在雲端，跨設備專家並行，給公司處理併發需求帶來成本優勢。

行動比較快的公司是前PyTorch成員出走創辦的
fireworks.ai
。

第一次嘗試、沒有任何優化的情況下，需要兩張80GB內存的卡，優化版本即將推出。

Replicate上也有了可試玩版本，簡單試用發現中文水平也不錯。

其實Mistral AI也爲大家準備了官方配套代碼，使用了斯坦福去年發佈的輕量級MoE庫Megablocks。

創始人：小模型支持更多有意思的應用

Mistral AI由前DeepMind、前Meta科學家創辦。

剛剛完成一輪4.87億美元的新融資，最新估值逼近
20億美元
，已晉升獨角獸。

三位聯合創始人中，CEO 
亞瑟·門施
此前在DeepMind巴黎工作。

CTO
蒂莫西·拉克魯瓦
和首席科學家
Guillaume Lample
則在Meta共同參與過Llama系列的研發，Lample是通訊作者之一。

Arthur Mensch曾在接受採訪時談到，讓模型變小是支持Agent發展的路徑之一。

如果能把計算成本降低100倍，就能構建起更多有意思的應用。

Mistral AI成立於今年5月，種子輪融資1.13億美元。

9月底，Mistral AI以磁力鏈接的形式發佈第一個開源模型Mistral-7B，當時很多開發者試用後都覺得Llama-2不香了。

12月初，Mistral AI再次甩出開源MoE模型磁力鏈接，再次掀起一波熱潮。

這就是公司官號僅有的幾次發言。

不少人都拿來和最近谷歌的過度宣傳做對比。

最新的梗圖：磁力鏈接就是新的arXiv。

參考鏈接：

[1]https://x.com/MistralAI/status/1733150512395038967?s=20

[2]https://github.com/mistralai/megablocks-public

[3]https://replicate.com/nateraw/mixtral-8x7b-32kseqlen