Mistral AI

magnet:?xt=urn:btih:9238b09245d0d8cd915be09927769d5f7584c1c9&dn=mixtral-8x22b&tr=udp%3A%2F%2Fopen.demonii.com%3A1337%2Fannounce&tr=http%3A%2F%2Ftracker.opentrackr.org%3A13 37%2Fannoncer

Grâce aux retours de la communauté, nous avons apporté une petite amélioration à l'interface utilisateur : vous pouvez désormais partager des conversations dans @MistralAI Le Chat !

Mistral a été fondée par Arthur Mensch, Timothée Lacroix et Guillaume Lampe, un trio d'anciens chercheurs Meta et Google © FT montage/David Atlan

Il est enfin temps ! Notre modèle Mixtral 8x7B est opérationnel et disponible dès maintenant !

Nous-Hermes-2 Mixtral 8x7B est disponible en deux variantes, une SFT+DPO et une SFT-Only, afin que vous puissiez essayer et voir laquelle vous convient le mieux !

Il me semble que c'est le premier modèle basé sur Mixtral à battre le modèle Mixtral Instruct @MistralAI, et selon mes propres tests personnels, il s'agit potentiellement du meilleur LLM Open Source disponible !

Mistral AI apporte aux développeurs les modèles génératifs ouverts les plus puissants, ainsi que des moyens efficaces de les déployer et de les personnaliser pour la production.

Nous ouvrons aujourd’hui un accès bêta à nos premiers services de plateforme. Nous commençons simplement : la plateforme sert trois points de terminaison de chat pour générer du texte suivant des instructions textuelles et un point de terminaison d'intégration. Chaque point de terminaison a un compromis performance/prix différent.

Points de terminaison génératifs
Les deux premiers points de terminaison, mistral-tiny et mistral-small, utilisent actuellement nos deux modèles ouverts publiés ; le troisième, mistral-moyen, utilise un modèle prototype aux performances supérieures que nous testons en milieu déployé.

Nous servons des versions instruites de nos modèles. Nous avons travaillé à consolider les techniques d'alignement les plus efficaces (réglage fin efficace, optimisation directe des préférences) pour créer des modèles faciles à contrôler et agréables à utiliser. Nous pré-entraînons les modèles sur les données extraites du Web ouvert et effectuons un réglage fin des instructions à partir des annotations.

Mistral-minuscule. Notre point de terminaison le plus rentable sert actuellement Mistral 7B Instruct v0.2, une nouvelle version mineure de Mistral 7B Instruct. Mistral-tiny ne fonctionne qu'en anglais. Il obtient 7,6 sur MT-Bench. Le modèle indiqué peut être téléchargé ici.

Mistral-petit. Ce point de terminaison dessert actuellement notre nouveau modèle, Mixtral 8x7B, décrit plus en détail dans notre article de blog. Il maîtrise l'anglais/français/italien/allemand/espagnol et le code et obtient 8.3 sur MT-Bench.

Mistral-milieu. Notre point de terminaison de la plus haute qualité sert actuellement un modèle prototype, qui figure actuellement parmi les modèles les mieux entretenus disponibles sur la base de références standard. Il maîtrise l'anglais/français/italien/allemand/espagnol et le code et obtient un score de 8,6 sur MT-Bench. Le tableau suivant compare les performances des modèles de base de Mistral-medium, Mistral-small et du point final d'un concurrent.$mistralai

Comme toujours, essayez de rester aussi proche que possible de la vérité, même pour les choses que vous n’aimez pas.

Cette plateforme aspire à maximiser le signal/bruit du collectif humain.