Documentación de Oracle Cloud Infrastructure

Meta Llama 3.1 (405B)

El modelo meta.llama-3.1-405b-instruct está disponible para inferencias bajo demanda, alojamiento dedicado y ajuste, y ofrece un mejor rendimiento que Llama 3.1 70B y Llama 3.2 90B para tareas de texto.

Este modelo de 405 mil millones de parámetros es una opción de alto rendimiento que ofrece velocidad y escalabilidad. En comparación con el modelo meta.llama-3.1-70b-instruct, puede manejar un mayor volumen de solicitudes y admitir casos de uso más complejos. Las características clave de este modelo incluyen:

  • Reconocido como el modelo de lenguaje grande más grande disponible públicamente en el momento de su lanzamiento.
  • Adecuado para aplicaciones de nivel empresarial e iniciativas de investigación y desarrollo.
  • Muestra capacidades excepcionales en áreas como el conocimiento general, la generación de datos sintéticos, el razonamiento avanzado y la comprensión contextual, y el texto de formato largo, la traducción multilingüe, la codificación, las matemáticas y el uso de herramientas.

Disponible en estas regiones

  • Este de Brasil (São Paulo) (solo cluster de IA dedicado)
  • Centro de Alemania (Fráncfort) (solo cluster de IA dedicado)
  • Japan Central (Osaka) (solo cluster de IA dedicado)
  • Sur de Reino Unido (Londres) (solo cluster de IA dedicado)
  • Medio Oeste de EE. UU. (Chicago)

Características clave

  • Tamaño de modelo: 405 mil millones de parámetros
  • Longitud de contexto: 128 000 tokens (petición de datos máxima + longitud de respuesta: 128 000 tokens por cada ejecución)
  • Soporte multilingüe: inglés, francés, alemán, hindi, italiano, portugués, español y tailandés
  • Petición de datos máxima + longitud de respuesta: 128.000 tokens para cada ejecución.
  • Para la inferencia bajo demanda, la longitud de la respuesta está limitada a 4.000 tokens por cada ejecución.
  • Para el modo dedicado, la longitud de la respuesta no se limita y la longitud del contexto es de 128 000 tokens.
  • La inferencia bajo demanda solo está disponible en la región Medio oeste de EE. UU. (Chicago). Otras regiones requieren que cree sus propios clusters de IA dedicados y que aloje este modelo en esos clusters para la inferencia. Consulte la siguiente sección.

Modo bajo demanda

Este modelo está disponible bajo demanda en regiones que no se muestran como (solo cluster de IA dedicado). Consulte la siguiente tabla para ver el nombre del producto bajo demanda de este modelo en la página de precios.

Nombre de modelo Nombre de modelo de OCI Nombre de producto de página de asignación de precios
Meta Llama 3.1 (405B) meta.llama-3.1-405b-instruct Meta Llama 3.1 405B
Puede acceder a los modelos fundamentales previamente entrenados en IA generativa mediante dos modos: bajo demanda y dedicado. A continuación, se muestran las funciones clave para el modo bajo demanda:

  • Paga sobre la marcha por cada llamada de inferencia cuando utiliza los modelos en el patio de recreo o cuando llama a los modelos a través de la API.

  • Baja barrera para empezar a utilizar la IA generativa.
  • Ideal para la experimentación, la prueba de concepto y la evaluación de modelos.
  • Disponible para los modelos preentrenados en regiones que no se muestran como (solo cluster de IA dedicado).
Importante

Ajuste de límite de limitación dinámica para el modo bajo demanda

OCI Generative AI ajusta dinámicamente el límite de limitación de solicitudes para cada arrendamiento activo en función de la demanda del modelo y la capacidad del sistema para optimizar la asignación de recursos y garantizar un acceso justo.

Este ajuste depende de los siguientes factores:

  • Rendimiento máximo actual soportado por el modelo de destino.
  • Cualquier capacidad del sistema no utilizada en el momento del ajuste.
  • El uso del rendimiento histórico de cada arrendamiento y cualquier límite de sustitución especificado definido para ese arrendamiento.

Nota: Debido a la limitación dinámica, los límites de velocidad no están documentados y pueden cambiar para satisfacer la demanda en todo el sistema.

Consejo

Debido al ajuste de límite de limitación dinámica, recomendamos implementar una estrategia de retroceso, que implica retrasar las solicitudes después de un rechazo. Sin una, las solicitudes rápidas repetidas pueden provocar más rechazos a lo largo del tiempo, una mayor latencia y un posible bloqueo temporal del cliente por parte del servicio de IA generativa. Al utilizar una estrategia de retroceso, como una estrategia de retroceso exponencial, puede distribuir las solicitudes de manera más uniforme, reducir la carga y mejorar el éxito de los reintentos, siguiendo las mejores prácticas del sector y mejorando la estabilidad y el rendimiento generales de su integración en el servicio.

Cluster de IA dedicado para el modelo

Para acceder a un modelo a través de un cluster de IA dedicado en cualquier región de la lista, debe crear un punto final para ese modelo en un cluster de IA dedicado. Para ver el tamaño de la unidad de cluster que coincide con este modelo, consulte la siguiente tabla.

Modelo base Cluster de Ajuste Cluster de alojamiento Información de página de asignación de precios Aumento de límite de cluster de solicitud
  • Nombre de modelo: Meta Llama 3.1 (405B)
  • Nombre del modelo de OCI: meta.llama-3.1-405b-instruct
No disponible para ajuste
  • Tamaño de unidad: Large Generic 2
  • Unidades necesarias: 1
  • Nombre del Producto de la Página de Precios: Meta Llama 3.1 405B
  • Por Hosting, Multiplicar el Precio Unitario: x4
  • Nombre de límite: dedicated-unit-llama2-70-count
  • Para el alojamiento, solicite un aumento del límite en: 4
Consejo

Si no tiene suficientes límites de cluster en su arrendamiento para alojar el modelo Meta Llama 3.1 (405B) en un cluster de AI dedicado, solicite que el límite dedicated-unit-llama2-70-count aumente en 4.

Reglas de punto final para clusters

  • Un cluster de AI dedicado puede contener hasta 50 puntos finales.
  • Utilice estos puntos finales para crear alias que apunten al mismo modelo base o a la misma versión de un modelo personalizado, pero no a ambos tipos.
  • Varios puntos finales para el mismo modelo facilitan su asignación a diferentes usuarios o propósitos.
Tamaño de unidad de cluster de alojamiento Reglas de punto final
Large Generic 2
  • Modelo base: para ejecutar el ⁇ meta.llama-3.1-405b-instruct ⁇ modelo en varios puntos finales, cree tantos puntos finales como necesite en un cluster Large Generic 2 (tamaño de unidad).
  • Modelo personalizado: no puede ajustar meta.llama-3.1-405b-instruct, por lo que no puede crear ni alojar modelos personalizados creados a partir de esa base.
Consejo

Referencias de rendimiento de cluster

Revise las referencias de rendimiento del cluster Meta Llama 3.1 (405B) para diferentes casos de uso.

Fechas de liberación y baja

Modelo Fecha de liberación Fecha de baja bajo demanda Fecha de baja en modo dedicado
meta.llama-3.1-405b-instruct 2.024-9-19 Al menos un mes después de la publicación del 1er modelo de sustitución. Al menos 6 meses después de la liberación del 1er modelo de reemplazo.
Importante

Para obtener una lista de todas las líneas de tiempo de modelo y los detalles de baja, consulte Baja de los modelos.

Parámetros de Modelo

Para cambiar las respuestas del modelo, puede cambiar los valores de los siguientes parámetros en el patio de juegos o en la API.

Máximo de tokens de salida

Número máximo de tokens que se desea que el modelo genere para cada respuesta. Estimar cuatro caracteres por token. Debido a que está solicitando un modelo de chat, la respuesta depende de la petición de datos y cada respuesta no utiliza necesariamente el máximo de tokens asignados.

Temperatura

Nivel de aleatoriedad utilizado para generar el texto de salida.

Consejo

Comience con la temperatura establecida en 0 o menos de uno y aumente la temperatura a medida que vuelve a generar las peticiones de datos para obtener una salida más creativa. Las altas temperaturas pueden introducir alucinaciones e información objetivamente incorrecta.
p principales

Método de muestreo que controla la probabilidad acumulada de los tokens principales que se deben tener en cuenta para el siguiente token. Asigne a p un número decimal entre 0 y 1 para la probabilidad. Por ejemplo, introduzca 0,75 para que se tenga en cuenta el 75 por ciento superior. Defina p en 1 para considerar todos los tokens.

k principales

Método de muestreo en el que el modelo selecciona el siguiente token aleatoriamente de los tokens más probables top k. Un valor alto para k genera una salida más aleatoria, lo que hace que el texto de salida suene más natural. El valor predeterminado para k es 0 para los modelos Cohere Command y -1 para los modelos Meta Llama, lo que significa que el modelo debe tener en cuenta todos los tokens y no utilizar este método.

Penalización de frecuencia

Penalización que se asigna a un token cuando ese token aparece con frecuencia. Las sanciones altas fomentan menos tokens repetidos y producen una salida más aleatoria.

Para los modelos de la familia Meta Llama, esta penalización puede ser positiva o negativa. Los números positivos animan al modelo a utilizar nuevos tokens y los números negativos animan al modelo a repetir los tokens. Establecido en 0 para desactivar.

Penalización de presencia

Una penalización que se asigna a cada token cuando aparece en la salida para fomentar la generación de salidas con tokens que no se han utilizado.

Valor inicial

Parámetro que hace el mejor esfuerzo para muestrear tokens de forma determinista. Cuando se asigna un valor a este parámetro, el modelo de lenguaje grande tiene como objetivo devolver el mismo resultado para las solicitudes repetidas cuando asigna el mismo valor inicial y los mismos parámetros para las solicitudes.

Los valores permitidos son enteros y la asignación de un valor inicial grande o pequeño no afecta al resultado. La asignación de un número para el parámetro inicial es similar a etiquetar la solicitud con un número. El modelo de lenguaje grande tiene como objetivo generar el mismo conjunto de tokens para el mismo entero en solicitudes consecutivas. Esta función es especialmente útil para depurar y probar. El parámetro inicial no tiene ningún valor máximo para la API y, en la consola, su valor máximo es 9999. Si deja el valor inicial en blanco en la consola o si es nulo en la API, se desactiva esta función.

Advertencia

Es posible que el parámetro inicial no produzca el mismo resultado a largo plazo, ya que las actualizaciones del modelo en el servicio OCI Generative AI pueden invalidar el valor inicial.