467亿参数MoE追平GPT-3.5！爆火开源Mixtral模型细节首公开，中杯逼近GPT-4

新智元报道

编辑：alan 好困

【新智元导读】今天，Mistral AI公布了Mixtral 8x7B的技术细节，不仅性能强劲，而且推理速度更快！还有更强型号的Mistral-medium也已开启内测，性能直追GPT-4。

今天，Mistral AI正式放出了Mixtral 8x7B的技术细节——

在大多数基准测试中，Mixtral的表现不仅优于Llama 2 70B，而且推理速度提高了整整6倍！

尤其是，它在大多数标准基准测试上与GPT-3.5打平，甚至略胜一筹。

新开源的Mixtral 8x7B自带了一些出色的表现：

比如可以很好地处理32k长度的上下文，支持英语、法语、意大利语、德语和西班牙语，且在代码生成方面表现出强大的性能。

另外，它可以微调为指令跟随模型（instruction-following model），在MT-Bench上获得了8.3分的好成绩。

467亿参数打平GPT-3.5

Mixtral是基于decoder-only架构的稀疏专家混合网络。

它的前馈模块从8组不同的参数中进行选择。在每一层网络中，对于每个token，路由器网络选择8组中的两组（专家），来处理token并将其输出累加组合。

这种技术增加了模型的参数数量，同时控制了成本和延迟，因为模型只使用每个token参数集总数的一小部分。

Mixtral有46.7B的总参数量，但每个token只使用其中12.9B参数。因此，Mixtral的实际执行速度和所需的成本，都只相当于一个12.9B的模型。

Mixtral根据从开放网络中提取的数据进行预训练——包括训练专家网络和路由模块。

性能实测

如下图所示，在大多数基准测试中，Mixtral与Llama 2 70B和GPT-3.5表现相当，其中的几项测试结果还要优于另外两个模型。

下图展示了模型生成质量与推理消耗成本的关系。与Llama 2相比，Mistral 7B和Mixtral 8x7B表现出自己高能效的优势。

更加详细的比较结果看下面的表格：

下面来看下模型在幻觉和偏见问题上的表现。

公平起见，为了避免微调或者偏好建模带来的影响，这里使用BBQ和BOLD来测试基本模型的性能。

从上面的结果可以看出，与Llama 2相比，Mixtral更真实，并且在BBQ基准上表现出更少的偏差。

另外，Mixtral在BOLD上表现出比Llama 2更积极的情绪，每个维度的差异相似。

上表中，在各种支持的语言上与Llama 2进行PK，Mixtral 8x7B可以说是「精通」法语、德语、西班牙语、意大利语和英语。

本次发布的Mixtral 8x7B Instruct和Mixtral 8x7B，已通过监督微调和直接偏好优化（DPO）进行了优化，并实现了指令的跟随。

在MT-Bench上，它的得分达到了8.30——是目前开源模型的最好成绩，性能可与GPT-3.5相媲美。

用户还可以通过提示的方式，进一步约束Mixtral，从而构建一些需要严格审核级别的应用程序。

另外，为了使社区能够使用完全开源的堆栈运行Mixtral，开发人员提交了对vLLM项目的更新，并集成了Megablocks CUDA内核以实现高效推理。

逼近GPT-4，「中杯」开启内测

与此同时，Mistral AI还开放了首个平台服务的测试版——la plateforme。

其中，平台提供了三个基于指令生成文本的聊天模型，以及一个嵌入模型。

目前，mistral-tiny和mistral-small已经正式发布，而性能更强的mistral-medium还处在测试阶段。

这些模型首先在开放网络抽取的数据上进行预训练，随后通过标注进行指令微调，并融合了最为有效的对齐技术（如高效微调、直接偏好优化）。

- Mistral-tiny

基于Mistral 7B Instruct v0.2的Mistral-tiny是最具性价比的模型，它在MT-Bench上的得分为7.6，但仅支持英语。

- Mistral-small

作为最新开源的模型，Mixtral 8x7B在MT-Bench上的得分达到了8.3，并支持英语、法语、意大利语、德语、西班牙语和代码生成。

- Mistral-medium

这是Mistral AI推出的最强开源模型，虽然目前还处在原型阶段，但它在主流评测上已经可以实现对GPT-3.5的碾压了！

Mistral-medium在MT-Bench上拿下了8.6的高分，同样支持英语、法语、意大利语、德语、西班牙语和代码生成。

- Mistral-embed

除了文本生成模型外，Mistral还提供了一个具有1024嵌入维度的嵌入模型。

在设计模型时，团队着重增强了它的检索功能，从而在MTEB上实现了高达55.26的检索得分。

从测试到全面开放

从今天起，任何人都可以注册并使用Mistral的API。

该API与其主要竞品类似，并且支持Python和Javascript客户端库，从而让用户可以方便地检查模型端点。

此外，Mistral还允许用户设置系统提示，以便在模型输出中实施更高级别的内容审查。这一功能对于某些应用来说非常重要。

不过，由于平台还处在测试阶段，使用过程中可能会出现一些小的问题。

致谢

感谢英伟达在TensorRT-LLM和Triton的整合，以及使专家稀疏混合模型与TRT-LLM兼容方面，提供的支持。

网友热议

鉴于Mistral-Medium的强力表现，有网友翻出了GPT-4在相关测试中的分数：

结果，Mistral-Medium在Winogrande基准测试中优于GPT-4。

由于Mistral-Medium的能力貌似可与GPT-4一战，所以有网友自然开始比较两者的价格。

这位网友表示Mistral-Medium的价格约为GPT4-turbo价格的1/4，比自己预期的要昂贵。

对此，也有网友表示反对：「恕我直言，这个价格很公道。小规模模型和GPT-3.5相当，并且更便宜。中等的价格则要高很多，但仍然只有GPT4-turbo的1/4。」

另外也有网友讨论和猜测新的Mixtral 8x7B的技术内幕：

通过比较Mixtral 8x7B和Mistral 7B每层的相似度，这位网友指出Mistral可能已经大规模地进行了稀疏的升级再造工作。

「两个模型的权重之间的显著相关性证明了模型的成功重用。这种方法可以赋予OSS社区自己强大的MoE！希望我们能尽快看到类似于GPT-4的开源质量！」

参考资料：

https://mistral.ai/news/mixtral-of-experts/