Megrez-3b-Instruct

Megrez-3B: 软硬协同释放无穹端侧智能

🔗 GitHub&nbsp&nbsp &nbsp&nbsp🏠 Infini-AI MaaS&nbsp&nbsp &nbsp&nbsp📖 WeChat Official&nbsp&nbsp &nbsp&nbsp💬 WeChat Groups&nbsp&nbsp

中文 English

模型简介

Megrez-3B-Instruct是由无问芯穹（Infinigence AI）完全自主训练的大语言模型。Megrez-3B旨在通过软硬协同理念，打造一款极速推理、小巧精悍、极易上手的端侧智能解决方案。Megrez-3B具有以下优点：

• 高精度：Megrez-3B虽然参数规模只有3B，但通过提升数据质量，成功弥合模型能力代差，将上一代14B模型的能力成功压缩进3B大小的模型，在主流榜单上取得了优秀的性能表现。
• 高速度：模型小≠速度快。Megrez-3B通过软硬协同优化，确保了各结构参数与主流硬件高度适配，推理速度领先同精度模型最大300%。
• 简单易用：模型设计之初我们进行了激烈的讨论：应该在结构设计上留出更多软硬协同的空间（如ReLU、稀疏化、更精简的结构等），还是使用经典结构便于开发者直接用起来？我们选择了后者，即采用最原始的LLaMA结构，开发者无需任何修改便可将模型部署于各种平台，最小化二次开发复杂度。
• 丰富应用：我们提供了完整的WebSearch方案。我们对模型进行了针对性训练，使模型可以自动决策搜索调用时机，在搜索和对话中自动切换，并提供更好的总结效果。我们提供了完整的部署工程代码 github，用户可以基于该功能构建属于自己的Kimi或Perplexity，克服小模型常见的幻觉问题和知识储备不足的局限。

基础信息

Architecture: Llama-2 with GQA

Context length: 32K tokens

Params (Total): 2.92B

Params (Backbone only, w/o Emb or Softmax): 2.29B

Vocab Size: 122880

Training data: 3T tokens

Supported languages: Chinese & English

在文本生成等具备生成多样性的任务上，我们推荐推理参数temperature=0.7；在数学、推理等任务上，我们推荐推理参数temperature=0.2

性能

我们使用开源评测工具 OpenCompass 对 Megrez-3B-Instruct 进行了评测。部分评测结果如下表所示。

速度精度模型大小散点图如下，位置越靠近右上表明模型越好越快

综合能力

模型 指令模型 # Non-Emb Params 推理速度 (tokens/s) C-EVAL CMMLU MMLU MMLU-Pro HumanEval MBPP GSM8K MATH

:---------------------: :--------: :---------------: :-------------------: :------: :-----: :-----: :--------: :---------: :-----: :-----: :-----:

Megrez-3B-Instruct Y 2.3 2329.4 84.8 74.7 72.8 46.1 78.7 71.0 65.5 28.3

Qwen2-1.5B 1.3 3299.5 70.6 70.3 56.5 21.8 31.1 37.4 58.5 21.7

Qwen2.5-1.5B 1.3 3318.8 - - 60.9 28.5 37.2 60.2 68.5 35.0

MiniCPM-2B 2.4 1930.8 51.1 51.1 53.5 - 50.0 47.3 53.8 10.2

Qwen2.5-3B 2.8 2248.3 - - 65.6 34.6 42.1 57.1 79.1 42.6

Qwen2.5-3B-Instruct Y 2.8 2248.3 - - - 43.7 74.4 72.7 86.7 65.9

Qwen1.5-4B 3.2 1837.9 67.6 66.7 56.1 - 25.6 29.2 57.0 10.0

Phi-3.5-mini-instruct Y 3.6 1559.1 46.1 46.9 69.0 - 62.8 69.6 86.2 48.5

MiniCPM3-4B Y 3.9 901.1 73.6 73.3 67.2 - 74.4 72.5 81.1 46.6

Yi-1.5-6B 5.5 1542.7 - 70.8 63.5 - 36.5 56.8 62.2 28.4

Qwen1.5-7B 6.5 1282.3 74.1 73.1 61.0 29.9 36.0 51.6 62.5 20.3

Qwen2-7B 6.5 1279.4 83.2 83.9 70.3 40.0 51.2 65.9 79.9 44.2

Qwen2.5-7B 6.5 1283.4 - - 74.2 45.0 57.9 74.9 85.4 49.8

Meta-Llama-3.1-8B 7.0 1255.9 - - 66.7 37.1 - - - -

GLM-4-9B-chat Y 8.2 1076.1 75.6 71.5 72.4 - 71.8 - 79.6 50.6

Baichuan2-13B-Base 12.6 756.7 58.1 62.0 59.2 - 17.1 30.2 52.8 10.1

Qwen1.5-14B 12.6 735.6 78.7 77.6 67.6 - 37.8 44.0 70.1 29.2

Qwen2-1.5B模型的指标在其论文和Qwen2.5报告中点数不一致，当前采用原始论文中的精度

测速配置详见 README SPEED.md

对话能力

本表只摘出有官方MT-Bench或AlignBench点数的模型

模型 # Non-Emb Params 推理速度 (tokens/s) MT-Bench AlignBench (ZH)

• -------------------- -------------------------------------- :--------------------------: :--------: :---------------:

Megrez-3B-Instruct 2.3 2329.4 8.64 7.06

MiniCPM-2B-sft-bf16 2.4 1930.8 - 4.64

MiniCPM-2B-dpo-bf16 2.4 1930.8 7.25 -

Qwen2.5-3B-Instruct 2.8 2248.3 - -

MiniCPM3-4B 3.9 901.1 8.41 6.74

Yi-1.5-6B-Chat 5.5 1542.7 7.50 6.20

Qwen1.5-7B-Chat 6.5 1282.3 7.60 6.20

Qwen2-7b-Instruct 6.5 1279.4 8.41 7.21

Qwen2.5-7B-Instruct 6.5 1283.4 8.75 -

glm-4-9b-chat 8.2 1076.1 8.35 7.01

Baichuan2-13B-Chat 12.6 756.7 - 5.25

LLM Leaderboard

模型 # Non-Emb Params 推理速度 (tokens/s) IFeval strict-prompt BBH ARC C HellaSwag WinoGrande TriviaQA

• ---------------------- -------------------------------------- :--------------------------: :--------------------: :----: :-----: :---------: :----------: :--------:

Megrez-3B-Instruct 2.3 2329.4 68.6 72.6 95.6 83.9 78.8 81.6

MiniCPM-2B 2.4 1930.8 - 36.9 68.0 68.3 - 32.5

Qwen2.5-3B 2.8 2248.3 - 56.3 56.5 74.6 71.1 -

Qwen2.5-3B-Instruct 2.8 2248.3 58.2 - - - - -

Phi-3.5-mini-instruct 3.6 1559.1 - 69.0 84.6 69.4 68.5 -

MiniCPM3-4B 3.9 901.1 68.4 70.2 - - - -

Qwen2-7B-Instruct 6.5 1279.4 - 62.6 60.6 80.7 77.0 -

Meta-Llama-3.1-8B 7.0 1255.9 71.5 28.9 83.4 - - -

长文本能力

Longbench

单文档问答 多文档问答 概要任务 少样本学习 人工合成任务 代码任务 平均

• ---------------------- :------------------: :-----------------: :-------------: :-----------------: :---------------: :----------------: :-------:

Megrez-3B-Instruct 39.7 55.5 24.5 62.5 68.5 66.7 52.9

GPT-3.5-Turbo-16k 50.5 33.7 21.25 48.15 54.1 54.1 43.63

ChatGLM3-6B-32k 51.3 45.7 23.65 55.05 56.2 56.2 48.02

InternLM2-Chat-7B-SFT 47.3 45.2 25.3 59.9 67.2 43.5 48.07

长文本对话能力

Longbench-Chat

• ------------------------- ----------------

Megrez-3B-Instruct 4.98

Vicuna-7b-v1.5-16k 3.51

Mistral-7B-Instruct-v0.2 5.84

ChatGLM3-6B-128k 6.52

GLM-4-9B-Chat 7.72

大海捞针实验 (Needle In A Haystack - Pressure Test)

Megrez-3B-Instruct在32K文本下的大海捞针压力测试全部通过

WebSearch

我们模型进行了针对性训练，并提供了完整的工程部署方案。InfiniWebSearch 具有以下优势：

• 自动决定调用时机：自动决策搜索调用时机，在搜索和对话中自动切换，避免一直调用或一直不调用
• 上下文理解：根据多轮对话生成合理的搜索query或处理搜索结果，更好的理解用户意图
• 带参考信息的结构化输出：每个结论注明出处，便于查验
• 一个模型两种用法：通过sys prompt区分WebSearch功能开启与否，兼顾LLM的高精度与WebSearch的用户体验，两种能力不乱窜

我们对模型进行了针对性训练，使模型可以自动决策搜索调用时机，在搜索和对话中自动切换，并提供更好的总结效果。我们提供了完整的部署工程代码 ，用户可以基于该功能构建属于自己的Kimi或Perplexity，克服小模型常见的幻觉问题和知识储备不足的局限。

快速上手

在线体验

MaaS (推荐)

推理参数

对于对话、文章撰写等具有一定随机性或发散性的输出，可以采用 temperature=0.7等参数进行推理

对于数学、逻辑推理等确定性较高的输出，建议使用 **temperature=0.2** 的参数进行推理，以减少采样带来的幻觉影响，获得更好的推理能力

ModelScope 推理

安装modelscope后，运行以下代码。

vLLM 推理

安装vLLM

测试样例

开源协议及使用声明

协议：本仓库中代码依照 Apache-2.0 协议开源

幻觉：大模型天然存在幻觉问题，用户使用过程中请勿完全相信模型生成的内容。若用户想获取更符合事实的生成内容，推荐利用我们的WebSearch功能，详见 InfiniWebSearch。

数学&推理：小模型在数学和推理任务上更容易出错误的计算过程或推理链条，从而导致最终结果错误。特别的，小模型的输出softmax分布相比大模型明显不够sharp，在较高temperature下更容易出现多次推理结果不一致的问题，在数学/推理等确定性问题上更为明显。我们推荐在这类问题上，调低temperature，或尝试多次推理验证。

System Prompt：和绝大多数模型一样，我们推荐使用配置文件中chat template默认的system prompt，以获得稳定和平衡的体验。本次模型发布弱化了角色扮演等涉及特定领域应用方面的能力，用户若有特定领域的应用需求，我们推荐在本模型基础上按需进行适当微调。

价值观及安全性：本模型已尽全力确保训练过程中使用的数据的合规性，但由于数据的大体量及复杂性，仍有可能存在一些无法预见的问题。如果出现使用本开源模型而导致的任何问题，包括但不限于数据安全问题、公共舆论风险，或模型被误导、滥用、传播或不当利用所带来的任何风险和问题，我们将不承担任何责任。