mlabonne_Qwen3-0.6B-abliterated-GGUFオープンソースモデル - 無料デプロイでテキストの効率的な生成をサポート

ホーム

Mlabonne Qwen3 0.6B Abliterated GGUF

bartowskiによって開発

これはQwen3-0.6B-abliteratedモデルを基にした量子化バージョンで、llama.cpp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 #軽量テキスト生成 #マルチ量子化バージョン対応 #低リソース展開最適化

ダウンロード数 1,455

リリース時間 : 4/30/2025

モデル概要

このモデルはQwen3-0.6B-abliteratedの量子化バージョンで、複数の量子化タイプをサポートし、リソースが限られたデバイスでのテキスト生成タスクの実行に適しています。

モデル特徴

複数量子化オプション

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。

imatrix量子化

imatrixオプションを使用した量子化により、モデルの性能を向上させます。

ARM/AVXサポート

ARMおよびAVX CPU推論のオンライン再パッケージ機能をサポートし、性能を最適化します。

モデル能力

テキスト生成

マルチターン会話

システムプロンプトサポート

使用事例

チャットボット

マルチターン会話

マルチターン会話をサポートし、チャットボットの構築に適しています。

テキスト生成

コンテンツ作成

記事やストーリーなどのテキストコンテンツの生成に使用できます。

quantized_by: bartowski pipeline_tag: text-generation base_model_relation: quantized base_model: mlabonne/Qwen3-0.6B-abliterated tags: []

mlabonneのQwen3-0.6B-abliteratedに対するLlamacpp imatrix量子化

量子化にはllama.cppのリリースb5228を使用しています。

オリジナルモデル: https://huggingface.co/mlabonne/Qwen3-0.6B-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しました。

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
Qwen3-0.6B-abliterated-bf16.gguf	bf16	1.20GB	false	完全なBF16ウェイト。
Qwen3-0.6B-abliterated-Q8_0.gguf	Q8_0	0.64GB	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。
Qwen3-0.6B-abliterated-Q6_K_L.gguf	Q6_K_L	0.53GB	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。
Qwen3-0.6B-abliterated-Q6_K.gguf	Q6_K	0.50GB	false	非常に高品質、ほぼ完璧、推奨。
Qwen3-0.6B-abliterated-Q5_K_L.gguf	Q5_K_L	0.48GB	false	埋め込みと出力ウェイトにQ8_0を使用。高品質、推奨。
Qwen3-0.6B-abliterated-Q5_K_M.gguf	Q5_K_M	0.44GB	false	高品質、推奨。
Qwen3-0.6B-abliterated-Q5_K_S.gguf	Q5_K_S	0.44GB	false	高品質、推奨。
Qwen3-0.6B-abliterated-Q4_K_L.gguf	Q4_K_L	0.43GB	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。
Qwen3-0.6B-abliterated-Q4_1.gguf	Q4_1	0.41GB	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/ワットが改善されています。
Qwen3-0.6B-abliterated-Q3_K_XL.gguf	Q3_K_XL	0.41GB	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、RAMが少ない場合に適しています。
Qwen3-0.6B-abliterated-Q4_K_M.gguf	Q4_K_M	0.40GB	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。
Qwen3-0.6B-abliterated-Q4_K_S.gguf	Q4_K_S	0.38GB	false	品質はやや低いがスペース節約、推奨。
Qwen3-0.6B-abliterated-Q4_0.gguf	Q4_0	0.38GB	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。
Qwen3-0.6B-abliterated-IQ4_NL.gguf	IQ4_NL	0.38GB	false	IQ4_XSと類似し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。
Qwen3-0.6B-abliterated-IQ4_XS.gguf	IQ4_XS	0.37GB	false	良好な品質、Q4_K_Sより小さく同様の性能、推奨。
Qwen3-0.6B-abliterated-Q3_K_L.gguf	Q3_K_L	0.37GB	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。
Qwen3-0.6B-abliterated-Q3_K_M.gguf	Q3_K_M	0.35GB	false	低品質。
Qwen3-0.6B-abliterated-IQ3_M.gguf	IQ3_M	0.34GB	false	中低品質、新しい方法でQ3_K_Mと同等の性能。
Qwen3-0.6B-abliterated-Q2_K_L.gguf	Q2_K_L	0.33GB	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。
Qwen3-0.6B-abliterated-Q3_K_S.gguf	Q3_K_S	0.32GB	false	低品質、推奨されません。
Qwen3-0.6B-abliterated-IQ3_XS.gguf	IQ3_XS	0.31GB	false	低品質、新しい方法でQ3_K_Sよりやや優れた性能。
Qwen3-0.6B-abliterated-Q2_K.gguf	Q2_K	0.30GB	false	非常に低品質だが驚くほど使用可能。
Qwen3-0.6B-abliterated-IQ3_XXS.gguf	IQ3_XXS	0.28GB	false	低品質、新しい方法でQ3量子化と同等の性能。
Qwen3-0.6B-abliterated-IQ2_M.gguf	IQ2_M	0.26GB	false	比較的低品質、SOTA技術を使用して驚くほど使用可能。

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

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_Qwen3-0.6B-abliterated-GGUF --include "mlabonne_Qwen3-0.6B-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。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/mlabonne_Qwen3-0.6B-abliterated-GGUF --include "mlabonne_Qwen3-0.6B-abliterated-Q8_0/*" --local-dir ./

新しいlocal-dir（mlabonne_Qwen3-0.6B-abliterated-Q8_0）を指定するか、すべてを現在のディレクトリ（./）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、IQ4_NLを使用してARM用にウェイトを再パッキングすることで、やや品質を向上させることができます（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

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%