首个开源MoE大模型发布！GPT-4同款架构，来自欧洲的OpenAI

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。

MoE，开源大模型新阶段？

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。

创始人：小模型支持更多有意思的应用

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，CEOArthur Mensch此前在DeepMind巴黎工作。

CTOTimothée 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]https://x.com/MistralAI/status/1733150512395038967?s=20
[2]https://github.com/mistralai/megablocks-public
[3]https://replicate.com/nateraw/mixtral-8x7b-32kseqlen