library_name: transformers tags:

• 猎鹰-H1 license: other license_name: 猎鹰-LLM许可证 license_link: https://falconllm.tii.ae/falcon-terms-and-conditions.html base_model: tiiuae/Falcon-H1-3B-Base inference: true

目录

0. 摘要
1. 模型详情
2. 训练详情
3. 使用方法
4. 评估
5. 引用

摘要

模型详情

模型描述

• 开发方: https://www.tii.ae
• 模型类型: 因果解码器专用
• 架构: 混合Transformers + Mamba架构
• 支持语言: 英语、多语言
• 许可证: 猎鹰-LLM许可证

训练详情

有关此模型训练协议的更多详情，请参阅猎鹰-H1技术博客文章。

使用方法

目前，您可以使用Hugging Face的transformers、vLLM或我们定制的llama.cpp库分支来使用此模型。

推理

确保安装最新版本的transformers或vllm，或从源代码安装这些包：

pip install git+https://github.com/huggingface/transformers.git

有关从源代码构建vLLM的更多详情，请参考官方vLLM文档。

🤗 transformers

参考以下代码片段，使用🤗 transformers运行H1模型：

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "tiiuae/Falcon-H1-1B-Base"

model = AutoModelForCausalLM.from_pretrained(
  model_id,
  torch_dtype=torch.bfloat16,
  device_map="auto"
)

# 执行文本生成

vLLM

对于vLLM，只需执行以下命令启动服务器：

# pip install vllm
vllm serve tiiuae/Falcon-H1-1B-Instruct --tensor-parallel-size 2 --data-parallel-size 1

llama.cpp

虽然我们正在努力将我们的架构直接集成到llama.cpp库中，但您可以安装我们的库分支并直接使用：https://github.com/tiiuae/llama.cpp-Falcon-H1 安装指南与llama.cpp相同。

评估

猎鹰-H1系列在多种任务上表现优异，包括推理任务。

您可以在我们的发布博客文章中查看更详细的基准测试。

有用链接

• 查看我们的发布博客文章。
• 如有任何问题或想与我们的研究人员和开发者交流，欢迎加入我们的Discord服务器。

引用

如果猎鹰-H1系列模型对您的工作有所帮助，欢迎引用我们。

@misc{tiifalconh1,
    title = {猎鹰-H1：重新定义效率与性能的混合头语言模型家族},
    url = {https://falcon-lm.github.io/blog/falcon-h1},
    author = {猎鹰-LLM团队},
    month = {五月},
    year = {2025}
}