Nvidia OpenCodeReasoning Nemotron 32B IOI GGUF

quantized_by: bartowski pipeline_tag: text-generation language:

• en license: apache-2.0 base_model_relation: quantized base_model: nvidia/OpenCodeReasoning-Nemotron-32B-IOI tags:
• nvidia
• code datasets:
• nvidia/OpenCodeReasoning

nvidia/OpenCodeReasoning-Nemotron-32B-IOIのLlamacpp imatrix量子化

llama.cppのリリースb5306を使用して量子化しました。

オリジナルモデル: https://huggingface.co/nvidia/OpenCodeReasoning-Nemotron-32B-IOI

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）:

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に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

pip install -U "huggingface_hub[cli]"

huggingface-cli download bartowski/nvidia_OpenCodeReasoning-Nemotron-32B-IOI-GGUF --include "nvidia_OpenCodeReasoning-Nemotron-32B-IOI-Q4_K_M.gguf" --local-dir ./

huggingface-cli download bartowski/nvidia_OpenCodeReasoning-Nemotron-32B-IOI-GGUF --include "nvidia_OpenCodeReasoning-Nemotron-32B-IOI-Q8_0/*" --local-dir ./

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、やや優れた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。

どのファイルを選ぶべきか？

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。

私の仕事をサポートしたいですか？こちらを訪れてください: https://ko-fi.com/bartowski