Databricks 公司发布了 DBRX，这是一款性能优异的大语言模型，在各项测试中均超越了现有的开源模型。DBRX 的目标是为企业提供高质量、可定制的 AI 工具，帮助企业更好地利用生成式 AI 技术。

DBRX 的一大亮点是其出色的性能。在语言理解、编程、数学和逻辑等任务上，DBRX 的表现均优于 LLaMA2-70B、Mixtral 和 Grok-1 等模型。根据 Databricks 的开源基准测试 Gauntlet，DBRX 在 30 多项测试中均名列前茅，这表明开源模型的质量正在不断提升。

DBRX 在语言理解 (MMLU)、编程 (HumanEval) 和数学 (GSM8K) 等方面的表现均优于现有的开源模型。

值得注意的是，DBRX 在大多数测试中甚至超越了 GPT-3.5。这对于企业来说意义重大，因为越来越多的企业开始使用开源模型替代专有模型，以获得更高的效率和控制权。Databricks 在其 12,000 多个客户中观察到了这一趋势，许多客户通过定制开源模型来满足特定需求，从而获得了更高的质量和速度。

DBRX 的另一个关键特性是其混合专家 (MoE) 架构，该架构基于 MegaBlocks 研究和开源项目构建。MoE 架构能够在保持较小的活跃参数数量（360 亿个）的情况下，实现更快的词元（Token）生成速度，而模型的总参数数量为 1320 亿个。这意味着 MoE 架构能够在速度和性能之间取得平衡，以更快的速度训练更大的模型。

DBRX Instruct 的性能可与 Gemini 1.0 Pro 和 Mistral Medium 相媲美。在 Inflection Corrected MTBench、MMLU、HellaSwag 和 HumanEval 等测试中，DBRX Instruct 的得分高于 Gemini 1.0 Pro，而 Gemini 1.0 Pro 在 GSM8k 测试中表现更强。

Databricks 使用高达 32K 词元上下文窗口训练 DBRX，并完全在其平台上构建 DBRX，使用了 Unity Catalog 进行数据治理、Apache Spark™ 和 Lilac AI 进行数据处理和清理，以及 Mosaic AI 训练服务进行大规模模型训练和微调等工具。

Databricks 将 DBRX 设计为易于定制的模型，使企业能够提高其 AI 应用的质量。从今天开始，企业可以在 Databricks 平台上使用 DBRX，在 RAG 系统中利用其长上下文能力，并根据其私有数据构建自定义 DBRX 模型。该模型可通过 Databricks 的 GitHub 存储库和 Hugging Face 平台（DBRX Base、DBRX Instruct）访问。您还可以在 Hugging Face Space 平台上试用 DBRX Instruct 模型。

DBRX 的基础模型 (DBRX Base) 和微调模型 (DBRX Instruct) 的权重均可在 Hugging Face 平台上获得，并采用开放许可证。从今天开始，Databricks 客户可以通过 API 使用 DBRX，并使用 Databricks 提供的工具和技术，从头开始预训练自己的 DBRX 级模型，或者在我们提供的检查点之上继续训练模型。

参考资料

DBRX Base: https://huggingface.co/databricks/dbrx-base

DBRX Instruct: https://huggingface.co/databricks/dbrx-instruct?ref=maginative.com

DBRX Github: https://www.github.com/databricks/dbrx

DBRX Blog: https://www.databricks.com/blog/introducing-dbrx-new-state-art-open-llm