GLM-4-9B-Chat-GPTQ-Int4-量化修复

原模型 ZhipuAI/glm-4-9b-chat

【模型更新日期】

2024-06-18

【模型大小】

6.9GB

【06-06 情况告知】

1. 目前需要用vllm entrypoint的方式来启动模型。
2. 打比赛的同学，我更推荐使用int8模型 GLM-4-9B-Chat-GPTQ-Int8-量化修复，这个模型更鲁棒。

【更新日志】

2004-06-18
1. 优化模型量化损失

2004-06-06 00:20
1. 模型重新校准
2. 修复layernorm_epsilon数值不对的问题
3. 修复一些设备不能双卡运行的问题（可能不能完全解决）

2004-06-05 21:00 
1. 尝试修复！！！感叹号吐字问题
2. group_size 调整为64，减少量化精度损失

【介绍】

GLM-4-9B 是智谱 AI 推出的最新一代预训练模型 GLM-4 系列中的开源版本。 在语义、数学、推理、代码和知识等多方面的数据集测评中，GLM-4-9B 及其人类偏好对齐的版本 GLM-4-9B-Chat 均表现出较高的性能。 除了能进行多轮对话，GLM-4-9B-Chat 还具备网页浏览、代码执行、自定义工具调用（Function Call）和长文本推理（支持最大 128K 上下文）等高级功能。 本代模型增加了多语言支持，支持包括日语，韩语，德语在内的 26 种语言。我们还推出了支持 1M 上下文长度（约 200 万中文字符）的模型。

更多详情...

【量化修复】

调优了现有 AWQ 与 GPTQ 量化算法的量化策略。带有量化修复标签的Int3模型，可以比肩默认AWQ与GPTQ算法的Int8模型的能力。

1. 量化修复可以极大减少模型的1.乱吐字、2.无限循环、3.长文能力丢失等量化损失造成的模型不可用的情况。

2. 调优后的量化模型，AWQ与GPTQ模型在能力上没有表现出明显区别。同时考虑到GPTQ的vLLM引擎的并发推理效率最好，所以不再制作AWQ模型。

3. 待工作完成后补充...

【同期量化修复模型】

待工作完成后补充...

【模型下载】

from modelscope import snapshot_download
model_dir = snapshot_download('tclf90/模型名', cache_dir="本地路径")

【vLLM推理（目前仅限Linux）】

1. Python 简易调试

待工作完成后补充...

2. 类ChatGPT RESTFul API Server

>>> python -m vllm.entrypoints.openai.api_server --model 本地路径/tclf90/模型名称