Zyphra 于 8 月 27 日發布博文，宣布推出 Zamba2-mini 1.2B 模型，共有 12 億參數，聲稱是端側 SOTA 小語言模型，在 4bit 量化下內存占用低于 700MB。

注：SOTA 全稱為 state-of-the-art，并不是特指某個具體的模型，而是指在該項研究任務中，目前最好 / 最先進的模型。

Zamba2-mini 1.2B 雖然尺寸不大，但媲美包括谷歌 Gemma-2B、Huggingface 的 SmolLM-1.7B、蘋果的 OpenELM-1.1B 和微軟的 Phi-1.5 等更大模型。

在推理任務中，Zamba2-mini 的卓越性能尤為顯著，與 Phi3-3.8B 等模型相比，Zamba2-mini 的首次令牌時間（從輸入到輸出第一個 token 的延遲）是此前的二分之一，內存占用減少了 27%。

Zamba2-mini 1.2B 主要通過高度優化的架構實現，融合了不同神經網絡設計的優勢，既能保持大型密集變壓器的高質量輸出，又能以更小模型的計算和內存效率運行。

與前代 Zamba1 相比，Zamba2-mini 的關鍵進步之一是集成了兩個共享注意力層（attention layers）。

這種雙層方法增強了模型在不同深度保持信息的能力，從而提高了整體性能。在共享注意力層中加入旋轉位置嵌入也略微提高了性能，這表明 Zyphra 致力于在模型設計中進行漸進而有影響力的改進。

Zamba2-mini 是在一個包含三萬億個 token 的海量數據集上進行預訓練的，該數據集來自 Zyda 和其他公開來源。

這個龐大的數據集經過了嚴格的過濾和重復處理，以確保獲得最高質量的訓練數據，并在退火（annealing）階段對其進一步完善，其中包括在 1000 億個質量極高的 tokens 上進行訓練。

Zyphra 已承諾使 Zamba2-mini 成為 Apache 2.0 許可下的開源模型。