%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: TheDrummer/Big-Alice-28B-v1 license: mit base_model_relation: quantized
TheDrummerによるBig-Alice-28B-v1のLlamacpp imatrix量子化
量子化にはllama.cppのリリースb5384を使用しています。
オリジナルモデル: https://huggingface.co/TheDrummer/Big-Alice-28B-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で実行可能です。
llama.cppまたは他のllama.cppベースのプロジェクトで直接実行できます。
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 |
|---|---|---|---|---|
| Big-Alice-28B-v1-bf16.gguf | bf16 | 57.22GB | true | 完全なBF16重み。 |
| Big-Alice-28B-v1-Q8_0.gguf | Q8_0 | 30.41GB | false | 非常に高品質、一般的には不要ですが利用可能な最大量子化。 |
| Big-Alice-28B-v1-Q6_K_L.gguf | Q6_K_L | 23.80GB | 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。 |
| Big-Alice-28B-v1-Q6_K.gguf | Q6_K | 23.48GB | false | 非常に高品質、ほぼ完璧、推奨。 |
| Big-Alice-28B-v1-Q5_K_L.gguf | Q5_K_L | 20.70GB | false | 埋め込みと出力重みにQ8_0を使用。高品質、推奨。 |
| Big-Alice-28B-v1-Q5_K_M.gguf | Q5_K_M | 20.29GB | false | 高品質、推奨。 |
| Big-Alice-28B-v1-Q5_K_S.gguf | Q5_K_S | 19.77GB | false | 高品質、推奨。 |
| Big-Alice-28B-v1-Q4_1.gguf | Q4_1 | 18.02GB | false | レガシー形式、Q4_K_Sと同様の性能ですが、Appleシリコンでトークン/ワットが向上。 |
| Big-Alice-28B-v1-Q4_K_L.gguf | Q4_K_L | 17.79GB | false | 埋め込みと出力重みにQ8_0を使用。良好な品質、推奨。 |
| Big-Alice-28B-v1-Q4_K_M.gguf | Q4_K_M | 17.29GB | 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。 |
| Big-Alice-28B-v1-Q4_K_S.gguf | Q4_K_S | 16.39GB | false | 品質はやや低いがスペース節約効果が大きい、推奨。 |
| Big-Alice-28B-v1-IQ4_NL.gguf | IQ4_NL | 16.34GB | false | IQ4_XSと似ているがやや大きい。ARM CPU推論用にオンライン再パッキングを提供。 |
| Big-Alice-28B-v1-Q4_0.gguf | Q4_0 | 16.33GB | 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。 |
| Big-Alice-28B-v1-Q3_K_XL.gguf | Q3_K_XL | 15.72GB | 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、RAMが少ない場合に適しています。 |
| Big-Alice-28B-v1-IQ4_XS.gguf | IQ4_XS | 15.48GB | false | 適度な品質、Q4_K_Sより小さく同様の性能、推奨。 |
| Big-Alice-28B-v1-Q3_K_L.gguf | Q3_K_L | 15.13GB | false | 品質は低いが使用可能、RAMが少ない場合に適しています。 |
| Big-Alice-28B-v1-Q3_K_M.gguf | Q3_K_M | 13.94GB | false | 低品質。 |
| Big-Alice-28B-v1-IQ3_M.gguf | IQ3_M | 13.03GB | false | 中低品質、新しい手法でQ3_K_Mに匹敵する性能。 |
| Big-Alice-28B-v1-Q3_K_S.gguf | Q3_K_S | 12.57GB | false | 低品質、非推奨。 |
| Big-Alice-28B-v1-IQ3_XS.gguf | IQ3_XS | 12.00GB | false | 低品質、新しい手法でQ3_K_Sよりやや良い性能。 |
| Big-Alice-28B-v1-Q2_K_L.gguf | Q2_K_L | 11.47GB | 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。 |
| Big-Alice-28B-v1-IQ3_XXS.gguf | IQ3_XXS | 11.23GB | false | 低品質、新しい手法でQ3量子化に匹敵する性能。 |
| Big-Alice-28B-v1-Q2_K.gguf | Q2_K | 10.81GB | false | 非常に低品質だが驚くほど使用可能。 |
| Big-Alice-28B-v1-IQ2_M.gguf | IQ2_M | 9.95GB | false | 比較的低品質だが、SOTA技術を使用して驚くほど使用可能。 |
| Big-Alice-28B-v1-IQ2_S.gguf | IQ2_S | 9.20GB | false | 低品質、SOTA技術を使用して使用可能。 |
| Big-Alice-28B-v1-IQ2_XS.gguf | IQ2_XS | 8.75GB | false | 低品質、SOTA技術を使用して使用可能。 |
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が通常のデフォルトではなくQ8_0に量子化され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/TheDrummer_Big-Alice-28B-v1-GGUF --include "TheDrummer_Big-Alice-28B-v1-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、次のコマンドを実行します:
huggingface-cli download bartowski/TheDrummer_Big-Alice-28B-v1-GGUF --include "TheDrummer_Big-Alice-28B-v1-Q8_0/*" --local-dir ./
新しいlocal-dir（TheDrummer_Big-Alice-28B-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」という機能があります。詳細はこのPRをご覧ください。Q4_0を使用し、ハードウェアが重みの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のおかげで、IQ4_NLを使用すると、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が、現時点では4_4のみです。ロード時間は遅くなる可能性がありますが、全体的な速度向上が期待できます。
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% |
Q4_0_8_8はプロンプト処理に良い向上をもたらし、テキスト生成にも小さな向上があります。
どのファイルを選ぶべきか？
詳細はこちら
Artefact2によるさまざまなパフォーマンスを示すチャート付きの素晴らしい説明がこちらにあります。
まず、実行できる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の量を確認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、モデル全体をGPUのVRAMに収める必要があります。GPUの総VRAMより1-2GB小さい量子化を選んでください。
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小さい量子化を選んでください。
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のいずれかを選んでください。これらは「QX_K_X」形式で、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、IQ3_Mなどです。これらは新しく、サイズに対してより良いパフォーマンスを提供します。
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、速度とパフォーマンス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