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-H1-0.5B-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

• 开发机构: 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
• 许可证: 猎鹰-LLM许可证

训练详情

有关本模型训练协议的更多细节，请参阅猎鹰-H1技术博客。

使用方法

目前可使用Hugging Face的transformers、vLLM或我们定制的llama.cpp分支库来运行此模型。

推理

确保安装最新版transformers或vllm，也可通过源码安装：

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

vLLM官方文档提供了从源码构建的详细指南。

🤗 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，执行以下命令启动服务：

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

llama.cpp

我们正在将架构集成至llama.cpp主库，当前可使用定制分支库：llama.cpp-Falcon-H1
安装方法与原生llama.cpp相同。

评估

猎鹰-H1系列在各类任务中表现卓越，包括推理任务。

更多详细基准测试请参阅发布博客。

实用链接

• 查看发布博客。
• 欢迎加入Discord社区与研发团队交流。

引用

若猎鹰-H1系列模型对您的研究有所帮助，请引用我们。

@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 = {5月},
    year = {2025}
}