前几天 Elon Musk 在线 @xAI，宣布本周将开源 Grok，没想到它真的来了，我满怀欣喜的打开 GitHub，然后…

Grok-1（Open Release of Grok-1^[1]）是一款由 xAI 开发的大型语言模型，拥有 3140 亿个参数，属于混合专家模型（MoE：Mixture-of-Experts model）。模型特点是在处理每个 token 时，只有 25% 的权重（weights）被激活。它是在 2023 年 10 月，利用 JAX 和 Rust 构建的自定义训练栈，从头开始训练的。

该模型的基础模型权重和网络架构现已在 GitHub 上公开发布，并未经过针对任何特定任务的微调，因此它是预训练阶段的原始模型。开源协议遵循 Apache 2.0 许可证。

Grok-1

下载运行

看上去很简单嘛，我来跑一个！

Grok-1（xai-org/grok-1^[2]）存储库提供了使用 JAX 框架加载和运行 Grok-1 模型的示例代码。要运行这些示例，用户需要先下载模型的检查点文件，将其放置在指定的目录中（将下载的 ckpt-0 目录放置在 checkpoint 目录中），然后执行以下命令来安装依赖并运行示例：

# download
git clone https://github.com/xai-org/grok-1.git
cd grok-1

# install
pip install -r requirements.txt
python run.py

注意：运行代码需要一台拥有充足 GPU 内存的机器，因为 Grok-1 模型的参数量非常庞大。此外，虽然存储库中包含的 MoE（混合专家模型）层的实现不是最高效的，但它被选用是为了避免使用自定义内核，从而更容易验证模型的正确性。

用户可以通过以下磁力链接使用种子客户端下载模型权重：

magnet:?xt=urn:btih:5f96d43576e3d386c9ba65b883210a393b68210e&tr=https%3A%2F%2Facademictorrents.com%2Fannounce.php&tr=udp%3A%2F%2Ftracker.coppersurfer.tk%3A6969&tr=udp%3A%2F%2Ftracker.opentrackr.org%3A1337%2Fannounce

 

无法运行

无法运行，真的太大了…

本来还幻想本地运行一下，但当我打开磁力链接时，就彻底断绝了想法。七百多个文件，近 300G（这还只是模型下载）…

打开 Grok issues，不出所料，清一色在询问在本地运行 Grok，需要什么样的配置。

看到“遥遥领先”的 issues，真不知道该说些什么…，在开源社区总有一些人在不断拉低国人的下限…

运行要求

普通人缺的不是开源模型，而是显卡…

我翻阅了大量 issues，总结出运行 Grok 的最低配置要求（仅作为参考）：

• #3^[3]：在 FP16 下大约需要 630GB 的显存，可能会达到 700GB。使用 8 个 H100 是否能运行还是未知数，我认为在它被优化之前，你无法在 CPU 上运行它。在 FP16 精度下，Grok-1 模型大约需要 630GB 至 700GB 的显存。即便配置了 8 个 NVIDIA H100 GPU，能否成功运行该模型仍不确定。在进行某些优化（如通过 GGUF^[4] 工具）之前，这个模型可能无法在 CPU 上运行。

• #24^[5]：你需要拥有 TPU 或 NVIDIA/AMD 品牌的 GPU，且系统中必须装有 8 个此类设备。当前不支持 Apple silicon 设备（如 M1、M2、M3 等）。尽管 Jax 提供了一个 Metal 插件，让你可以在苹果芯片上运行 Jax（Accelerated JAX training on Mac^[6]），但在使用 dm_haiku^[7] 依赖时仍会遇到问题。即便克服了这些技术障碍，苹果芯片设备可能也没有足够的内存来运行如此庞大的 Grok-1 模型。

• #25^[8]：需要 8 个 GPU，每个 GPU 拥有 80GB 的显存，典型的选择是 A100 型号。即使是使用 4 个 NVIDIA 4090 显卡，也只能在 4 位量化的情况下勉强容纳模型的权重，而无法实际运行模型。此外，所需的硬件成本极高，单个 A100 的价格约为 12,000 美元，而一台配备 4 个 A100 GPU 的 NVIDIA DGX Station 的起价在 120,000 美元左右。因此，尽管技术上可行，但这样的配置对于大多数人来说是不切实际的。

从源码中（grok-1/model.py^[9]）可以获取到的其他相关信息（#14^[10]）：

• 3140 亿参数（314B parameters）

• 8 个专家的混合体（Mixture of 8 Experts）

• 每个 token 使用 2 个专家（2 experts used per token）

• 64 层（64 layers）

• 查询的 48 个注意力头（48 attention heads for queries）

• 键/值的 8 个注意力头（8 attention heads for keys/values）

• 嵌入大小：6144（embeddings size: 6,144）

• 旋转嵌入（rotary embeddings, RoPE）

• SentencePiece 分词器；131,072 个令牌（SentencePiece tokenizer; 131,072 tokens）

• 支持激活分片和 8 位量化（Supports activation sharding and 8-bit quantization）

• 最大序列长度（上下文）：8192 个 token（Max seq length (context): 8,192 tokens）

名词解释

JAX

JAX^[11] 是一个专为加速器优化的数组计算和程序转换设计的 Python 库，主要目标是高性能数值计算和大规模机器学习。它通过改进的 Autograd^[12] 版本，能够自动计算 Python 和 NumPy 函数的导数，支持复杂结构的自动微分，包括循环、分支、递归和闭包，并能进行多阶导数计算。

一个关键特性是 JAX 利用 XLA（Accelerated Linear Algebra）编译器将 NumPy 代码编译运行在 GPU 和 TPU 上，实现高效的计算。这种编译是即时进行的，无需用户干预。此外，JAX 提供了 jit 函数，允许用户将自定义 Python 函数即时编译成 XLA 优化的内核，极大提升性能。

JAX 支持的功能不仅限于自动微分和即时编译，它还包括自动向量化（通过 vmap）和单程序多数据（SPMD）并行编程（通过pmap），使得在多加速器环境下的编程变得简单。JAX 旨在使得复杂的算法能够在 Python 环境下高效实现，同时保持代码的可读性和可维护性。

尽管 JAX 是一个强大的工具，但它仍然是一个研究项目，并非正式的 Google 产品，因此可能存在一些错误和不足之处。开发团队鼓励用户尝试使用 JAX，并通过报告问题或提供反馈来帮助改进项目。

GGUF

由 @ggerganov^[13] 开发，他也是 llama.cpp（一个流行的 C/C++ LLM 推理框架）的开发者。原先在 PyTorch 等框架中开发的模型可以转换为 GGUF 格式，以便在这些推理引擎中使用。

GGUF 是一种专为快速加载和保存模型而设计的二进制文件格式，主要用于与基于 GGML^[14] 的执行器进行推理。这种格式是为了高效地进行模型推理而优化的，支持单文件部署，具有良好的可扩展性，兼容 mmap 以实现快速加载，易于使用，且包含加载模型所需的全部信息。

它是 GGML、GGMF 和 GGJT 格式的后续版本，采用键值结构存储元数据，以提高灵活性和扩展性。这种结构允许在不影响现有模型兼容性的前提下，为模型添加新的元数据或额外信息。

mmap

mmap（内存映射，memory-mapped files）是一种在文件和内存间直接映射的技术，允许应用程序直接从内存中访问文件内容，而无需进行传统的读写操作。这种技术可以显著提高文件访问的效率，特别是对于大型文件的处理。

当一个文件被 mmap 映射到内存时，操作系统会为该文件内容在内存中创建一个直接映射。应用程序可以像访问普通内存一样访问这部分映射的内存，而操作系统会负责将任何更改同步回文件本身，或者从文件中拉取最新的数据到内存中。

在机器学习和深度学习中，mmap 可以用于快速加载大型模型权重或数据集。例如，使用 mmap 可以在不将整个文件内容一次性加载到内存的情况下，实现对大型模型权重文件的快速随机访问。这样做可以显著减少模型加载时间和运行时内存消耗。

具体到 GGUF 格式，利用 mmap 可以实现对模型文件的快速加载和保存，尤其是在处理大型模型时，这种方法可以大大提高效率和性能。通过将模型文件映射到内存，模型加载和推理过程中对权重的访问将更加迅速，从而提升整体的推理速度。

References

0

0