%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
モデル概要
モデル特徴
モデル能力
使用事例
quantized_by: bartowski pipeline_tag: text-generation base_model: a-m-team/AM-Thinking-v1 license: apache-2.0 base_model_relation: quantized
a-m-team/AM-Thinking-v1のLlamacpp imatrix量子化
オリジナルモデル: https://huggingface.co/a-m-team/AM-Thinking-v1
すべての量子化はこちらのデータセットを使用してimatrixオプションで作成されました。
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 |
|---|---|---|---|---|
| AM-Thinking-v1-bf16.gguf | bf16 | 65.54GB | true | 完全なBF16重み |
| AM-Thinking-v1-Q8_0.gguf | Q8_0 | 34.82GB | false | 最高品質、通常不要だが利用可能な最大量子化 |
| AM-Thinking-v1-Q6_K_L.gguf | Q6_K_L | 27.26GB | 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 |
| AM-Thinking-v1-Q6_K.gguf | Q6_K | 26.89GB | false | 非常に高品質、ほぼ完璧、推奨 |
| AM-Thinking-v1-Q5_K_L.gguf | Q5_K_L | 23.74GB | false | 埋め込みと出力重みにQ8_0を使用。高品質、推奨 |
| AM-Thinking-v1-Q5_K_M.gguf | Q5_K_M | 23.26GB | false | 高品質、推奨 |
| AM-Thinking-v1-Q5_K_S.gguf | Q5_K_S | 22.64GB | false | 高品質、推奨 |
| AM-Thinking-v1-Q4_1.gguf | Q4_1 | 20.64GB | false | レガシー形式、Q4_K_Sと同等の性能だがAppleシリコンでトークン/ワットが改善 |
| AM-Thinking-v1-Q4_K_L.gguf | Q4_K_L | 20.43GB | false | 埋め込みと出力重みにQ8_0を使用。良好な品質、推奨 |
| AM-Thinking-v1-Q4_K_M.gguf | Q4_K_M | 19.85GB | false | 良好な品質、ほとんどのユースケースに適したデフォルトサイズ、推奨 |
| AM-Thinking-v1-Q4_K_S.gguf | Q4_K_S | 18.78GB | false | 品質はやや低いがスペース節約効果大、推奨 |
| AM-Thinking-v1-Q4_0.gguf | Q4_0 | 18.71GB | 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 |
| AM-Thinking-v1-IQ4_NL.gguf | IQ4_NL | 18.68GB | false | IQ4_XSに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 |
| AM-Thinking-v1-Q3_K_XL.gguf | Q3_K_XL | 17.93GB | 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 |
| AM-Thinking-v1-IQ4_XS.gguf | IQ4_XS | 17.69GB | false | 良好な品質、Q4_K_Sより小さく同等の性能、推奨 |
| AM-Thinking-v1-Q3_K_L.gguf | Q3_K_L | 17.25GB | false | 品質は低いが使用可能、低RAM環境に適す |
| AM-Thinking-v1-Q3_K_M.gguf | Q3_K_M | 15.94GB | false | 低品質 |
| AM-Thinking-v1-IQ3_M.gguf | IQ3_M | 14.81GB | false | 中低品質、Q3_K_Mに匹敵する性能の新しい手法 |
| AM-Thinking-v1-Q3_K_S.gguf | Q3_K_S | 14.39GB | false | 低品質、非推奨 |
| AM-Thinking-v1-IQ3_XS.gguf | IQ3_XS | 13.71GB | false | 低品質、Q3_K_Sよりやや優れた性能の新しい手法 |
| AM-Thinking-v1-Q2_K_L.gguf | Q2_K_L | 13.07GB | 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 |
| AM-Thinking-v1-IQ3_XXS.gguf | IQ3_XXS | 12.84GB | false | 低品質、Q3量子化に匹敵する性能の新しい手法 |
| AM-Thinking-v1-Q2_K.gguf | Q2_K | 12.31GB | false | 非常に低品質だが驚くほど使用可能 |
| AM-Thinking-v1-IQ2_M.gguf | IQ2_M | 11.26GB | false | 比較的低品質だがSOTA技術で驚くほど使用可能 |
| AM-Thinking-v1-IQ2_S.gguf | IQ2_S | 10.39GB | false | 低品質、SOTA技術で使用可能 |
| AM-Thinking-v1-IQ2_XS.gguf | IQ2_XS | 9.96GB | false | 低品質、SOTA技術で使用可能 |
| AM-Thinking-v1-IQ2_XXS.gguf | IQ2_XXS | 9.03GB | false | 非常に低品質、SOTA技術で使用可能 |
埋め込み/出力重み
一部の量子化（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手法です。
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/a-m-team_AM-Thinking-v1-GGUF --include "a-m-team_AM-Thinking-v1-Q4_K_M.gguf" --local-dir ./
モデルが50GBを超える場合、複数のファイルに分割されています。それらをすべて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/a-m-team_AM-Thinking-v1-GGUF --include "a-m-team_AM-Thinking-v1-Q8_0/*" --local-dir ./
新しいlocal-dir（a-m-team_AM-Thinking-v1-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をご覧ください。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行われます。
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、ARM用に重みを再パッキングするIQ4_NLを使用して、わずかに品質を向上させることができます（現時点では4_4のみ）。読み込み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性能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% |
Q4_0_8_8はプロンプト処理に大きな向上をもたらし、テキスト生成にも小さな向上をもたらします
どのファイルを選ぶべきか？
詳細はこちら
Artefact2によるさまざまな性能を示すチャート付きの優れた説明がこちらにあります
最初に、実行可能なモデルのサイズを把握する必要があります。これには、RAMやVRAMの量を把握する必要があります。
可能な限り高速にモデルを実行したい場合は、GPUのVRAM全体にモデルを収めたいでしょう。GPUの総VRAMより1-2GB小さい量子化を選択してください。
絶対的な最高品質を求めたい場合は、システムRAMとGPUのVRAMを合計し、同様に合計より1-2GB小さい量子化を選択してください。
次に、「I-quant」または「K-quant」のどちらを使用するかを決定する必要があります。
あまり考えたくない場合は、K-quantのいずれかを選択してください。これらは「QX_K_X」形式で、例えばQ5_K_Mなどです。
さらに詳しく知りたい場合は、この非常に便利な機能チャートを確認してください:
基本的に、Q4以下を目指していて、cuBLAS（Nvidia）またはrocBLAS（AMD）を使用している場合は、I-quantを検討してください。これらは「IQX_X」形式で、例えばIQ3_Mなどです。これらは新しく、サイズに対してより優れた性能を提供します。
これらのI-quantはCPUでも使用できますが、K-quant相当よりも遅くなるため、速度と性能のトレードオフを決定する必要があります。
クレジット
imatrixキャリブレーションデータセットの作成に協力してくれたkalomazeとDampfに感謝します。
埋め込み/出力の実験にインスピレーションを与えてくれたZeroWwに感謝します。
私の仕事を支援してくれたLM Studioに感謝します。
私の仕事を支援したいですか？私のko-fiページをご覧ください: https://ko-fi.com/bartowski
Transformers Transformers 複数言語対応 Transformers 複数言語対応 Transformers 英語