最大开源模型，再次刷爆纪录！Snowflake的Arctic，以128位专家和4800亿参数，成为迄今最大的开源模型。它的特点，是又大又稀疏，因此计算资源只用了不到Llama 3 8B的一半，就达到了相同的性能指标。
就在刚刚，拥有128位专家和4800亿参数的Arctic，成功登上了迄今最大开源MoE模型的宝座。
它基于全新的Dense-MoE架构设计，由一个10B的稠密Tranformer模型和128×3.66B的MoE MLP组成，并在3.5万亿个token上进行了训练。
不仅如此，作为一个比「开源」更「开源」的模型，团队甚至把训练数据的处理方法也全给公开了。
Arctic的的两个特点，一个是大，另一个就是非常稀疏。
好处就在于，这种架构让你可以用比别人少好几倍的训练开销，就能得到性能差不多的模型。
也就是说，与其他使用类似计算预算训练的开源模型相比，Arctic的性能更加优异。
比起Llama 3 8B和Llama 2 70B，Arctic所用的训练计算资源不到它们的一半，评估指标却取得了相当的分数！
图1 编码（HumanEval+和MBPP+）、SQL生成（Spider） 和指令遵循（IFEval）的企业智能平均值与训练成本的比较从今天开始，Snowflake Arctic就可以从Hugging Face上获取了。
计算资源仅用一半，表现却和Llama 3 8B相当
团队发现，企业客户对AI有着一致的需求和使用场景——构建对话式SQL数据助手、代码助手和RAG聊天机器人。
为了便于评估，团队通过对编码（HumanEval+和MBPP+）、SQL生成（Spider）和指令跟随（IFEval）取平均值，将这些能力整合到「企业智能」这个单一指标中。
在开源LLM中，Arctic仅用不到200万美元（相当于不到3000个GPU周）的训练计算预算，就实现了顶级的企业智能。
更重要的是，即使与那些使用显著更高计算预算训练的模型相比，它在企业智能任务上也表现出色。
结果显示，Arctic在企业级评估指标上的表现，与Llama 3 8B和Llama 2 70B相当，甚至更优，而它所使用的训练计算资源却不到后两者的一半。
具体来说，Arctic使用的计算预算只有Llama3 70B的1/17，但在编程（HumanEval+和MBPP+）、SQL（Spider）和指令跟随（IFEval）等企业级任务上，都与其不相上下。