粤ICP备17114055号
微信扫码
与创始人交个朋友
支持私有云部署
我要投稿
最近有位粉丝提问，说他有个项目，开发的时候用的是Qwen1.5-32B模型，正在考虑给客户部署，但是客户的资源有限，可以部署14B的模型。他现在在纠结是给部署Qwen1.5-14B还是最新的Qwen2-7B。
首先，选择Qwen2-7B还是Qwen1.5-14B主要取决于项目对模型性能的需求和应用场景。但从性能来看的话，我的观点是：虽然Qwen1.5-14B拥有更大的参数量，但Qwen2-7B的性能全方面优于Qwen1.5-14B。
以上的结论并不是毫无根据的，通过对比阿里官方关于相同基准的模型评测，我们也可以得出以上的结论：
• Base模型的评测：
| Qwen2-7B | Qwen1.5-7B | Qwen1.5-14B | Qwen1.5-32B | |
| MMLU | 70.3 | 61.0 | 67.6 | 73.4 |
| BBH | 62.6 | 40.2 | 53.7 | 66.8 |
| HumanEval | 51.2 | 36.0 | 37.8 | 37.2 |
| GSM8K | 79.9 | 62.5 | 70.1 | 77.4 |
| MATH | 44.2 | 20.3 | 29.2 | 36.1 |
| C-Eval | 83.2 | 74.1 | 78.7 | 83.5 |
| CMMLU | 83.9 | 73.1 | 77.6 | 82.3 |
• Instruct指令微调（人类偏好对齐）评测：
| Qwen2-7B-Instruct | Qwen1.5-7B-Chat | Qwen1.5-14B-Chat | Qwen1.5-72B-Chat | |
| MT-Bench | 8.41 | 7.60 | 7.91 | 8.61 |
注：
Qwen1.5沿用Base和Chat模型的分类，Chat模型又称聊天模型，是经过人类偏好对齐的版本，对齐的目的是增强语言的指令跟随能力，生成和人类偏好相近的回复。
Qwen2版本采用Base和Instruct的分类，Instruct为指令微调版本，同样是增强了模型的指令跟随能力和人类偏好。
除了以上性能的提升外，在Qwen1.5系列中，只有32B和110B的模型使用了GQA。而Qwen2所有尺寸的模型都使用了GQA，以便让大家体验到GQA带来的推理加速和显存占用降低的优势。
上下文长度方面，Qwen2所有的预训练模型均在32K tokens的数据上进行训练，Qwen2-7B-Instruct更是实现了长达128K tokens上下文长度的支持。
1、Qwen2-7B在多个评测中表现优异，超越了拥有140亿参数的Qwen1.5-14B，这表明Qwen2-7B在效率和性能之间取得了很好的平衡。
2、Qwen2-7B拥有GQA技术的加持，在推理加速和显存占用方面具备更大优势。
3、Qwen2-7B具备128K上下文长度，而Qwen1.5-14B仅有32K的上下文。
53AI，企业落地应用大模型首选服务商
产品：大模型应用平台+智能体定制开发+落地咨询服务
承诺：先做场景POC验证，看到效果再签署服务协议。零风险落地应用大模型，已交付160+中大型企业
2024-07-11
2024-07-09
2024-07-11
2024-06-11
2024-07-23
2024-07-09
2024-07-20
2024-07-12
2024-07-11
2024-07-07
2024-09-19
2024-09-18
2024-09-16
2024-09-13
2024-09-13
2024-09-13
2024-09-12
2024-09-11
回到顶部