Zyphra 于 8 月 27 日发布博文，宣布推出 Zamba2-mini 1.2B 模型，共有 12 亿参数，声称是端侧 SOTA 小语言模型，在 4bit 量化下内存占用低于 700MB。
SOTA 全称为 state-of-the-art，并不是特指某个具体的模型，而是指在该项研究任务中，目前最好 / 最先进的模型。
Zamba2-mini 1.2B 虽然尺寸不大，但媲美包括谷歌 Gemma-2B、Huggingface 的 SmolLM-1.7B、苹果的 OpenELM-1.1B 和微软的 Phi-1.5 等更大模型。
在推理任务中，Zamba2-mini 的卓越性能尤为显著，与 Phi3-3.8B 等模型相比，Zamba2-mini 的首次令牌时间（从输入到输出第一个 token 的延迟）是此前的二分之一，内存占用减少了 27%。
Zamba2-mini 1.2B 主要通过高度优化的架构实现，融合了不同神经网络设计的优势，既能保持大型密集变压器的高质量输出，又能以更小模型的计算和内存效率运行。
与前代 Zamba1 相比，Zamba2-mini 的关键进步之一是集成了两个共享注意力层（attention layers）。
这种双层方法增强了模型在不同深度保持信息的能力，从而提高了整体性能。在共享注意力层中加入旋转位置嵌入也略微提高了性能，这表明 Zyphra 致力于在模型设计中进行渐进而有影响力的改进。
Zamba2-mini 是在一个包含三万亿个 token 的海量数据集上进行预训练的，该数据集来自 Zyda 和其他公开来源。
这个庞大的数据集经过了严格的过滤和重复处理，以确保获得最高质量的训练数据，并在退火（annealing）阶段对其进一步完善，其中包括在 1000 亿个质量极高的 tokens 上进行训练。
Zyphra 已承诺使 Zamba2-mini 成为 Apache 2.0 许可下的开源模型。
附上参考地址