mlabonne_Qwen3-14B-abliterated-GGUFオープンソースモデル - 無料デプロイでテキスト生成タスクを支援

ホーム

Mlabonne Qwen3 14B Abliterated GGUF

bartowskiによって開発

これはQwen3-14B-abliteratedモデルの量子化バージョンで、llama.cppのimatrixオプションを使用して量子化されており、テキスト生成タスクに適しています。

大規模言語モデル #高精度量子化 #マルチターン対話最適化 #低リソース展開

ダウンロード数 18.67k

リリース時間 : 4/29/2025

モデル概要

このモデルはQwen3-14B-abliteratedを基にした量子化バージョンで、複数の量子化タイプをサポートし、テキスト生成タスクに適しており、LM Studioやllama.cppで実行可能です。

モデル特徴

多様な量子化オプション

BF16からQ2_Kまでの多様な量子化タイプを提供し、異なるハードウェアと性能ニーズに対応します。

imatrix量子化

llama.cppのimatrixオプションを使用して量子化し、モデル性能を最適化します。

広範な互換性

LM Studio、llama.cpp、またはllama.cppを基にしたプロジェクトで実行可能です。

モデル能力

テキスト生成

多言語サポート

使用事例

テキスト生成

対話システム

インテリジェントな対話システムを構築し、自然言語の応答を生成するために使用されます。

コンテンツ作成

記事、ストーリー、その他のテキストコンテンツの生成を支援します。

quantized_by: bartowski pipeline_tag: text-generation base_model: mlabonne/Qwen3-14B-abliterated tags: [] base_model_relation: quantized

mlabonneのQwen3-14B-abliteratedに対するLlamacpp imatrix量子化

量子化にはllama.cppのリリースb5270を使用。

オリジナルモデル: https://huggingface.co/mlabonne/Qwen3-14B-abliterated

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。

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
Qwen3-14B-abliterated-bf16.gguf	bf16	29.54GB	false	完全なBF16ウェイト。
Qwen3-14B-abliterated-Q8_0.gguf	Q8_0	15.70GB	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。
Qwen3-14B-abliterated-Q6_K_L.gguf	Q6_K_L	12.50GB	false	埋め込みと出力ウェイトにQ8_0を使用。非常に高品質、ほぼ完璧、推奨。
Qwen3-14B-abliterated-Q6_K.gguf	Q6_K	12.12GB	false	非常に高品質、ほぼ完璧、推奨。
Qwen3-14B-abliterated-Q5_K_L.gguf	Q5_K_L	10.99GB	false	埋め込みと出力ウェイトにQ8_0を使用。高品質、推奨。
Qwen3-14B-abliterated-Q5_K_M.gguf	Q5_K_M	10.51GB	false	高品質、推奨。
Qwen3-14B-abliterated-Q5_K_S.gguf	Q5_K_S	10.26GB	false	高品質、推奨。
Qwen3-14B-abliterated-Q4_K_L.gguf	Q4_K_L	9.58GB	false	埋め込みと出力ウェイトにQ8_0を使用。良好な品質、推奨。
Qwen3-14B-abliterated-Q4_1.gguf	Q4_1	9.39GB	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。
Qwen3-14B-abliterated-Q4_K_M.gguf	Q4_K_M	9.00GB	false	良好な品質、ほとんどのユースケースのデフォルトサイズ、推奨。
Qwen3-14B-abliterated-Q3_K_XL.gguf	Q3_K_XL	8.58GB	false	埋め込みと出力ウェイトにQ8_0を使用。品質は低いが使用可能、低RAM環境向け。
Qwen3-14B-abliterated-Q4_K_S.gguf	Q4_K_S	8.57GB	false	品質はやや低いがスペース節約、推奨。
Qwen3-14B-abliterated-Q4_0.gguf	Q4_0	8.54GB	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。
Qwen3-14B-abliterated-IQ4_NL.gguf	IQ4_NL	8.54GB	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。
Qwen3-14B-abliterated-IQ4_XS.gguf	IQ4_XS	8.11GB	false	良好な品質、Q4_K_Sより小さく類似の性能、推奨。
Qwen3-14B-abliterated-Q3_K_L.gguf	Q3_K_L	7.90GB	false	品質は低いが使用可能、低RAM環境向け。
Qwen3-14B-abliterated-Q3_K_M.gguf	Q3_K_M	7.32GB	false	低品質。
Qwen3-14B-abliterated-IQ3_M.gguf	IQ3_M	6.88GB	false	中低品質、Q3_K_Mと比較可能な性能を持つ新しい手法。
Qwen3-14B-abliterated-Q3_K_S.gguf	Q3_K_S	6.66GB	false	低品質、非推奨。
Qwen3-14B-abliterated-Q2_K_L.gguf	Q2_K_L	6.51GB	false	埋め込みと出力ウェイトにQ8_0を使用。非常に低品質だが驚くほど使用可能。
Qwen3-14B-abliterated-IQ3_XS.gguf	IQ3_XS	6.38GB	false	低品質、新しい手法でQ3_K_Sよりやや優れた性能。
Qwen3-14B-abliterated-IQ3_XXS.gguf	IQ3_XXS	5.94GB	false	低品質、新しい手法でQ3量子化と比較可能な性能。
Qwen3-14B-abliterated-Q2_K.gguf	Q2_K	5.75GB	false	非常に低品質だが驚くほど使用可能。
Qwen3-14B-abliterated-IQ2_M.gguf	IQ2_M	5.32GB	false	比較的低品質だがSOTA技術で驚くほど使用可能。
Qwen3-14B-abliterated-IQ2_S.gguf	IQ2_S	4.96GB	false	低品質、SOTA技術で使用可能。

埋め込み/出力ウェイト

これらの量子化の一部（Q3_K_XL、Q4_K_Lなど）は、埋め込みと出力ウェイト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/mlabonne_Qwen3-14B-abliterated-GGUF --include "mlabonne_Qwen3-14B-abliterated-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。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、以下を実行:

huggingface-cli download bartowski/mlabonne_Qwen3-14B-abliterated-GGUF --include "mlabonne_Qwen3-14B-abliterated-Q8_0/*" --local-dir ./

新しいlocal-dir（mlabonne_Qwen3-14B-abliterated-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、これらのウェイト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、ウェイトの「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。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、より良い品質を求める場合は、このPRのおかげでIQ4_NLを使用できます。これもARM用にウェイトを再パッキングしますが、現時点では4_4のみです。ロード時間は遅くなるかもしれませんが、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

モデル	サイズ	パラメータ	バックエンド	スレッド	テスト	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%