LLMWare.ai是一家在部署和微调小型语言模型（SLMs）方面的先驱，今天宣布在Hugging Face上推出Model Depot。Model Depot是为英特尔PC优化的SLMs的最大集合之一，涵盖了超过100个模型，适用于聊天、编码、数学、函数调用和嵌入模型等多种用例。这一举措旨在为开源AI社区提供前所未有的最新SLMs集合，这些模型针对英特尔PC上的Intel OpenVINO和ONNX格式进行了优化。
- 官网：https://llmware.ai
- 项目主页：https://llmware-ai.github.io/llmware
- GitHub：https://github.com/llmware-ai/llmware
- 模型：https://huggingface.co/llmware
Model Depot的主要特点
- 广泛的模型覆盖：
- 超过100个模型：涵盖聊天、编码、数学、函数调用和嵌入模型等多种用例。
- 优化格式：模型针对Intel OpenVINO和ONNX格式进行了优化，适用于英特尔硬件。
- 高性能优化：
- 4位量化：LLMWare的白皮书显示，4位量化的小型语言模型（1B-9B参数）在英特尔AI PC上最大化模型推理性能。
- 测试结果：在配备英特尔酷睿Ultra 9（Meteor Lake）的戴尔笔记本电脑上，使用1.1B参数的BLING-Tiny-Llama模型，OpenVINO量化格式导致推理速度比PyTorch快7.6倍，比GGUF快7.5倍。
- 强大的工具支持：
- LLMWare开源库：提供了一个完整的工具包，用于AI驱动工作流的端到端开发。
- RAG和基于代理的工作流：支持使用OpenVINO格式的SLMs为英特尔硬件用户创建检索增强生成（RAG）和基于代理的工作流。
- 多格式支持：
- OpenVINO：开源库，用于优化和部署深度学习模型推理能力，支持在CPU、GPU和英特尔NPU上进行模型推理。
- ONNX：开源格式，提供AI模型的互操作性，支持多种框架和硬件。
Model Depot的优势
- 提高性能：
- 优化推理：通过OpenVINO和ONNX格式的优化，模型在英特尔硬件上的推理速度显著提升。
- 多步工作流：支持多步骤工作流和RAG，提高模型在复杂任务中的性能。
- 易用性和灵活性：
- 多格式支持：支持OpenVINO、ONNX和Llama.cpp，开发者可以选择最适合其目标硬件的模型格式。
- 端到端工具包：LLMWare的开源库提供了从模型加载到部署的完整工具链。
- 安全性和成本节约：
- 本地部署：AI应用可以在设备上部署，避免敏感数据的外部传输，增加安全性。
- 成本节约：本地部署减少了对外部系统的依赖，降低了成本。
Model HQ：与英特尔的战略合作
LLMWare还宣布了与英特尔的战略合作，推出了Model HQ的有限发布，供私人预览。Model HQ专门为配备英特尔酷睿Ultra处理器的AI PC设计，提供了一个开箱即用的无代码工具包，用于运行、创建和部署AI驱动的应用。
- 开箱即用的功能：
- 聊天机器人：内置聊天机器人功能，支持自然语言处理和对话生成。
- 文档搜索与分析：强大的文档搜索和分析功能，支持复杂的信息检索任务。
- 企业级安全：
- 模型保险库：用于模型安全检查。
- 模型安全监控：用于毒性和偏见筛查。
- 幻觉检测器：检测和防止模型生成虚假信息。
- AI可解释性数据：提供模型决策的透明度。
- 合规性和审计工具包：确保模型符合法规要求。
- 隐私过滤器：保护用户隐私。
LLMWare通过推出Model Depot和Model HQ，为英特尔PC用户提供了强大的工具和优化的模型，以实现高性能、安全和成本效益的AI应用部署。这些举措不仅提高了模型的推理速度和性能，还为开发者提供了灵活的工具和支持，使其能够轻松构建和部署AI应用。LLMWare和英特尔的合作展示了双方在推动AI技术发展和普及方面的共同承诺。
发表回复