5.6. Mistral

Mixtral-8x22B-Instruct-v0.1

本模型推理及性能测试需要8张enflame gcu。

模型下载

将上述url设定的路径下的内容全部下载到Mixtral-8x22B-Instruct-v0.1文件夹中。

安装依赖

python3 -m pip install transformers==4.48.2

批量离线推理

python3 -m vllm_utils.benchmark_test \
 --model=[path of Mixtral-8x22B-Instruct-v0.1] \
 --tensor-parallel-size=8 \
 --output-len=128 \
 --demo=te \
 --dtype=bfloat16 \
 --device=gcu \
 --max-model-len=32768 \
 --gpu-memory-utilization 0.945 \
 --trust-remote-code

性能测试

python3 -m vllm_utils.benchmark_test --perf \
 --model=[path of Mixtral-8x22B-Instruct-v0.1] \
 --device=gcu \
 --max-model-len=32768 \
 --input-len=1024 \
 --output-len=1024 \
 --num-prompts=8 \
 --block-size=64 \
 --dtype=bfloat16 \
 --tensor-parallel-size=8 \
 --block-size=64 \
 --gpu-memory-utilization 0.945 \
 --trust-remote-code

注：

  • 本模型支持的max-model-len为65536；

  • input-len、output-len和num-prompts可按需调整；

  • 配置 output-len为1时,输出内容中的latency即为time_to_first_token_latency;