OpenThinker2-7B - GGUFオープンソースモデル - 無料で利用可能で、テキスト生成タスクを効率的に完了できます

ホーム

Open Thoughts OpenThinker2 7B GGUF

bartowskiによって開発

OpenThinker2-7Bの量子化バージョン、llama.cppを使用して量子化され、テキスト生成タスクに適しています。

大規模言語モデルオープンソースライセンス:Apache-2.0 #多段階量子化オプション #効率的な推論最適化 #マルチプラットフォーム互換性

ダウンロード数 1,023

リリース時間 : 4/5/2025

モデル概要

OpenThinker2-7Bはllama.cppで量子化されたテキスト生成モデルで、複数の量子化タイプをサポートし、さまざまなハードウェア環境に適しています。

モデル特徴

多様な量子化オプション

BF16からQ2_Kまでの複数の量子化タイプを提供し、さまざまなハードウェアと性能要件に対応します。

高品質量子化

一部の量子化タイプ（Q6_K_L、Q5_K_Mなど）は非常に高品質を維持し、オリジナルモデルの性能に近いです。

ARM/AVX最適化

ARMおよびAVXデバイスのオンライン再パッケージングをサポートし、推論性能を向上させます。

モデル能力

テキスト生成

マルチターン対話

システムプロンプトサポート

使用事例

対話システム

インテリジェントアシスタント

インテリジェントな対話アシスタントの構築に使用され、マルチターンインタラクションをサポートします。

コンテンツ生成

テキスト創作

記事、ストーリー、その他のクリエイティブなテキストを生成します。

quantized_by: bartowski pipeline_tag: text-generation license: apache-2.0 tags:

llama-factory
full
generated_from_trainer base_model: open-thoughts/OpenThinker2-7B datasets:
open-thoughts/OpenThoughts2-1M base_model_relation: quantized model-index:
name: OpenThinker2-7B results: []

open-thoughtsによるOpenThinker2-7BのLlamacpp imatrix量子化

量子化にはllama.cppのリリースb5035を使用しています。

オリジナルモデル: https://huggingface.co/open-thoughts/OpenThinker2-7B

すべての量子化はimatrixオプションを使用し、データセットはこちらから取得しました。

LM Studioで実行可能

llama.cppまたは他のllama.cppベースのプロジェクトで直接実行可能

プロンプト形式

<|im_start|>system
{system_prompt}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant

以下のファイルをダウンロード（ブランチ全体ではなく）:

ファイル名	量子化タイプ	ファイルサイズ	分割	説明
OpenThinker2-7B-bf16.gguf	bf16	15.24GB	false	完全なBF16重み。
OpenThinker2-7B-Q8_0.gguf	Q8_0	8.10GB	false	非常に高品質、一般的には不要だが利用可能な最大量子化。
OpenThinker2-7B-Q6_K_L.gguf	Q6_K_L	6.52GB	false	埋め込みと出力重みにQ8_0を使用。非常に高品質、ほぼ完璧、推奨。
OpenThinker2-7B-Q6_K.gguf	Q6_K	6.25GB	false	非常に高品質、ほぼ完璧、推奨。
OpenThinker2-7B-Q5_K_L.gguf	Q5_K_L	5.78GB	false	埋め込みと出力重みにQ8_0を使用。高品質、推奨。
OpenThinker2-7B-Q5_K_M.gguf	Q5_K_M	5.44GB	false	高品質、推奨。
OpenThinker2-7B-Q5_K_S.gguf	Q5_K_S	5.32GB	false	高品質、推奨。
OpenThinker2-7B-Q4_K_L.gguf	Q4_K_L	5.09GB	false	埋め込みと出力重みにQ8_0を使用。良好な品質、推奨。
OpenThinker2-7B-Q4_1.gguf	Q4_1	4.87GB	false	レガシー形式、Q4_K_Sと類似の性能だがAppleシリコンでトークン/ワットが改善。
OpenThinker2-7B-Q4_K_M.gguf	Q4_K_M	4.68GB	false	良好な品質、ほとんどのユースケースでデフォルトサイズ、推奨。
OpenThinker2-7B-Q3_K_XL.gguf	Q3_K_XL	4.57GB	false	埋め込みと出力重みにQ8_0を使用。品質は低いが使用可能、低RAM環境に適す。
OpenThinker2-7B-Q4_K_S.gguf	Q4_K_S	4.46GB	false	品質はやや低いがスペース節約、推奨。
OpenThinker2-7B-Q4_0.gguf	Q4_0	4.44GB	false	レガシー形式、ARMおよびAVX CPU推論用にオンライン再パッキングを提供。
OpenThinker2-7B-IQ4_NL.gguf	IQ4_NL	4.44GB	false	IQ4_XSと類似だがやや大きい。ARM CPU推論用にオンライン再パッキングを提供。
OpenThinker2-7B-IQ4_XS.gguf	IQ4_XS	4.22GB	false	良好な品質、Q4_K_Sより小さく類似の性能、推奨。
OpenThinker2-7B-Q3_K_L.gguf	Q3_K_L	4.09GB	false	品質は低いが使用可能、低RAM環境に適す。
OpenThinker2-7B-Q3_K_M.gguf	Q3_K_M	3.81GB	false	低品質。
OpenThinker2-7B-IQ3_M.gguf	IQ3_M	3.57GB	false	中低品質、Q3_K_Mと比較可能な新しい手法。
OpenThinker2-7B-Q2_K_L.gguf	Q2_K_L	3.55GB	false	埋め込みと出力重みにQ8_0を使用。非常に低品質だが驚くほど使用可能。
OpenThinker2-7B-Q3_K_S.gguf	Q3_K_S	3.49GB	false	低品質、非推奨。
OpenThinker2-7B-IQ3_XS.gguf	IQ3_XS	3.35GB	false	低品質、新しい手法でQ3_K_Sよりやや優れた性能。
OpenThinker2-7B-IQ3_XXS.gguf	IQ3_XXS	3.11GB	false	低品質、新しい手法でQ3量子化と比較可能な性能。
OpenThinker2-7B-Q2_K.gguf	Q2_K	3.02GB	false	非常に低品質だが驚くほど使用可能。
OpenThinker2-7B-IQ2_M.gguf	IQ2_M	2.78GB	false	比較的低品質だがSOTA技術を使用し驚くほど使用可能。

埋め込み/出力重み

これらの量子化の一部（Q3_K_XL、Q4_K_Lなど）は、埋め込みと出力重みを通常のデフォルトではなくQ8_0で量子化した標準的な量子化方法です。

huggingface-cliを使用したダウンロード

クリックしてダウンロード手順を表示

まず、huggingface-cliがインストールされていることを確認してください:

pip install -U "huggingface_hub[cli]"

次に、特定のファイルを指定してダウンロードできます:

huggingface-cli download bartowski/open-thoughts_OpenThinker2-7B-GGUF --include "open-thoughts_OpenThinker2-7B-Q4_K_M.gguf" --local-dir ./

モデルが50GBより大きい場合、複数のファイルに分割されています。すべてをローカルフォルダにダウンロードするには、次のコマンドを実行します:

huggingface-cli download bartowski/open-thoughts_OpenThinker2-7B-GGUF --include "open-thoughts_OpenThinker2-7B-Q8_0/*" --local-dir ./

新しいlocal-dir（open-thoughts_OpenThinker2-7B-Q8_0）を指定するか、すべてをその場（./）にダウンロードできます。

ARM/AVX情報

以前は、Q4_0_4_4/4_8/8_8をダウンロードし、これらの重みはメモリ内でインターリーブされ、ARMおよびAVXマシンでのパフォーマンスを向上させるために一度により多くのデータをロードしていました。

しかし、現在は重みの「オンライン再パッキング」と呼ばれる機能があります。詳細はこのPRを参照してください。Q4_0を使用し、ハードウェアが再パッキングの恩恵を受ける場合、自動的にオンザフライで実行されます。

llama.cppビルドb4282以降、Q4_0_X_Xファイルを実行できなくなり、代わりにQ4_0を使用する必要があります。

さらに、このPRにより、IQ4_NLを使用してARM用に重みを再パッキングすることで、やや良い品質を得ることができます（現時点では4_4のみ）。ロード時間は遅くなる可能性がありますが、全体的な速度向上につながります。

クリックしてQ4_0_X_X情報を表示（非推奨）

このセクションは、Q4_0とオンライン再パッキングを使用した場合の潜在的な理論的なパフォーマンス向上を示すために保持しています。

クリックしてAVX2システム（EPYC7702）でのベンチマークを表示

model	size	params	backend	threads	test	t/s	% (vs Q4_0)
qwen2 3B Q4_0	1.70 GiB	3.09 B	CPU	64	pp512	204.03 ± 1.03	100%
qwen2 3B Q4_0	1.70 GiB	3.09 B	CPU	64	pp1024	282.92 ± 0.19	100%
qwen2 3B Q4_0	1.70 GiB	3.09 B	CPU	64	pp2048	259.49 ± 0.44	100%
qwen2 3B Q4_0	1.70 GiB	3.09 B	CPU	64	tg128	39.12 ± 0.27	100%
qwen2 3B Q4_0	1.70 GiB	3.09 B	CPU	64	tg256	39.31 ± 0.69	100%
qwen2 3B Q4_0	1.70 GiB	3.09 B	CPU	64	tg512	40.52 ± 0.03	100%
qwen2 3B Q4_K_M	1.79 GiB	3.09 B	CPU	64	pp512	301.02 ± 1.74	147%
qwen2 3B Q4_K_M	1.79 GiB	3.09 B	CPU	64	pp1024	287.23 ± 0.20	101%
qwen2 3B Q4_K_M	1.79 GiB	3.09 B	CPU	64	pp2048	262.77 ± 1.81	101%
qwen2 3B Q4_K_M	1.79 GiB	3.09 B	CPU	64	tg128	18.80 ± 0.99	48%
qwen2 3B Q4_K_M	1.79 GiB	3.09 B	CPU	64	tg256	24.46 ± 3.04	83%
qwen2 3B Q4_K_M	1.79 GiB	3.09 B	CPU	64	tg512	36.32 ± 3.59	90%
qwen2 3B Q4_0_8_8	1.69 GiB	3.09 B	CPU	64	pp512	271.71 ± 3.53	133%
qwen2 3B Q4_0_8_8	1.69 GiB	3.09 B	CPU	64	pp1024	279.86 ± 45.63	100%
qwen2 3B Q4_0_8_8	1.69 GiB	3.09 B	CPU	64	pp2048	320.77 ± 5.00	124%
qwen2 3B Q4_0_8_8	1.69 GiB	3.09 B	CPU	64	tg128	43.51 ± 0.05	111%
qwen2 3B Q4_0_8_8	1.69 GiB	3.09 B	CPU	64	tg256	43.35 ± 0.09	110%
qwen2 3B Q4_0_8_8	1.69 GiB	3.09 B	CPU	64	tg512	42.60 ± 0.31	105%