Stable LM 2 - 1.6B是由StabilityAI发布的一个16亿参数规模的大语言模型。相比较常规的大语言模型，这个模型参数仅16亿，可以在移动端运行。但是它的性能效果与几个月前70亿参数规模差不多。

该模型的主要特点如下：

16亿参数规模，可以在移动端运行，原始模型文件大小仅3.29GB；
支持多国语言，包括英语、西班牙语、德语、意大利语、法语、葡萄牙语和荷兰语；
性能良好，16亿参数规模，MMLU评分38.93，超过了70亿参数的MosaicML的MPT-7B。在MT-Bench得分上超过了Qwen-1.8B和Phi-2模型。

StableLM2-1.6B模型的评测结果

官方公布了StableLM2-1.6B在不同评测任务上的评测结果。StableLM2-.1.6B与常见的小规模参数的评测结果对比如下表所示：

模型名称	参数规模	平均	ARC	HellaSwag	MMLU	TruthfulQA	Winogrande	GSM8k
phi-2	27.8	61.32%	61.09%	75.11%	58.11%	44.47%	74.35%	54.81%
StableLM-2-zephyr-1.6b	16	49.89%	43.69%	69.34%	41.85%	45.21%	64.09%	35.18%
Phi-1.5	13	47.69%	52.90%	63.79%	43.89%	40.89%	72.22%	12.43%
StableLM2-1.6B	16	45.54%	43.43%	70.49%	38.93%	36.65%	65.90%	17.82%
MPT-7b	70	44.28%	47.70%	77.57%	30.80%	33.40%	72.14%	4.02%
Qwen-1.8B	18	44.75%	37.71%	58.87%	46.37%	39.41%	61.72%	24.41%
open_llama_3b_v2	30	40.28%	40.27%	71.60%	27.12%	34.78%	67.01%	0.91%
Falcon-rw-1b	10	37.07%	35.07%	63.56%	25.28%	35.96%	62.04%	0.53%
TinyLlama-1.1B-3T	11	36.40%	33.79%	60.31%	26.04%	37.32%	59.51%	1.44%

可以看到，在不超过30亿参数规模的大语言模型上，StableLM2-1.6B几乎与Phi-1.5差不多。但是，StableLM2-1.6B还有个对齐微调版本，即StableLM-2-zephyr-1.6b，其效果更好。

而StableLM2-1.6B和其它模型在MT-Bench的评测结果更有优势：

模型	参数规模	MT-Bench
Mistral-7B-Instruct-v0.2	70亿	7.61
Llama2-Chat	700亿	6.86
MPT-30B-Chat	300亿	6.39
stablelm-zephyr-3b	30亿	6.64
stablelm-2-zephyr-1_6b	16亿	5.42
Falcon-40B-Instruct	400亿	5.17
Qwen-1.8B-Chat	18亿	4.95
dolphin-2.6-phi-2	27亿	4.93
phi-2	27亿	4.29
TinyLlama-1.1B-Chat-v1.0	11亿	3.46

StableLM2-1.6B的开源授权协议

不过这个模型非常有意思的是如果个人可以非商用使用，用于科研和个人目的。但是如果你要商用，但是年收入低于100万美元或者月活低于100万用户，即便是0，只要商用也要加入StabilityAI的会员计划，每个月20美元。超过这个规模的商用就需要与官方联系签合同。也就是说，这不是一个免费商用授权的大模型。

Stable LM 2 - 1.6B

模型基本信息

是否支持推理过程

最高上下文输入长度

最长输出结果

模型类型

发布时间

模型预文件大小

开源和体验地址

代码开源状态

预训练权重开源

GitHub 源码

Hugging Face

在线体验

官方介绍与博客

官方论文

DataLearnerAI博客

API接口信息

接口速度（满分5分）

接口价格

输入价格:

输出价格:

输入支持的模态

文本

图片

视频

音频

Embedding（向量）

输出支持的模态

文本

图片

视频

音频

Embedding（向量）

Stable LM 2 - 1.6B模型在各大评测榜单的评分

发布机构

模型介绍

StableLM2-1.6B模型的评测结果

StableLM2-1.6B的开源授权协议

关注DataLearnerAI公众号