mlabonne_Qwen3 - 4B - abliterated - GGUFオープンソースモデル - 多様なタイプの量子化をサポートするテキスト生成の強力なツール

Mlabonne Qwen3 4B Abliterated GGUF

bartowskiによって開発

Qwen3-4B-abliteratedの量子化バージョンで、llama.cppを使用して量子化されており、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います。

ダウンロード数 3,623

リリース時間 : 4/29/2025

モデル概要

これはQwen3-4B-abliteratedモデルに基づく量子化バージョンで、llama.cppツールを使用して量子化されており、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います。モデルはLM Studio、llama.cppなどの環境で動作します。

モデル特徴

複数の量子化オプション

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のニーズに対応します。

imatrix量子化

imatrixオプションを使用して量子化を行い、モデルの性能を向上させます。

広範な互換性

LM Studio、llama.cppなどのさまざまな環境で動作します。

埋め込み/出力重みの最適化

一部の量子化タイプでは、埋め込みと出力重みに対して特別な最適化を行い、性能を向上させます。

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のサポート

使用事例

テキスト生成

対話システム

マルチターン対話システムの構築に使用でき、システムプロンプトとユーザー入力をサポートします。

コンテンツ作成

記事、ストーリーなどのテキストコンテンツを生成します。

quantized_by: bartowski pipeline_tag: text-generation tags: [] base_model: mlabonne/Qwen3-4B-abliterated base_model_relation: quantized

mlabonneのQwen3-4B-abliteratedに対するLlamacpp imatrix量子化

量子化にはllama.cppのリリースb5200を使用しています。

オリジナルモデル: https://huggingface.co/mlabonne/Qwen3-4B-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

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
Qwen3-4B-abliterated-bf16.gguf	bf16	8.05GB	false	完全なBF16重み。
Qwen3-4B-abliterated-Q8_0.gguf	Q8_0	4.28GB	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。
Qwen3-4B-abliterated-Q6_K_L.gguf	Q6_K_L	3.40GB	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。
Qwen3-4B-abliterated-Q6_K.gguf	Q6_K	3.31GB	false	非常に高品質、ほぼ完璧、推奨。
Qwen3-4B-abliterated-Q5_K_L.gguf	Q5_K_L	2.98GB	false	埋め込みと出力重みにQ8_0を使用。高品質、推奨。
Qwen3-4B-abliterated-Q5_K_M.gguf	Q5_K_M	2.89GB	false	高品質、推奨。
Qwen3-4B-abliterated-Q5_K_S.gguf	Q5_K_S	2.82GB	false	高品質、推奨。
Qwen3-4B-abliterated-Q4_1.gguf	Q4_1	2.60GB	false	レガシー形式、Q4_K_Sと同様の性能だがAppleシリコンでトークン/ワットが改善。
Qwen3-4B-abliterated-Q4_K_L.gguf	Q4_K_L	2.59GB	false	埋め込みと出力重みにQ8_0を使用。良好な品質、推奨。
Qwen3-4B-abliterated-Q4_K_M.gguf	Q4_K_M	2.50GB	false	良好な品質、ほとんどのユースケースでデフォルトサイズ、推奨。
Qwen3-4B-abliterated-Q4_K_S.gguf	Q4_K_S	2.38GB	false	品質はやや低いがスペース節約、推奨。
Qwen3-4B-abliterated-Q4_0.gguf	Q4_0	2.38GB	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。
Qwen3-4B-abliterated-IQ4_NL.gguf	IQ4_NL	2.38GB	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。
Qwen3-4B-abliterated-Q3_K_XL.gguf	Q3_K_XL	2.33GB	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環境に適している。
Qwen3-4B-abliterated-IQ4_XS.gguf	IQ4_XS	2.27GB	false	適度な品質、Q4_K_Sより小さく同様の性能、推奨。
Qwen3-4B-abliterated-Q3_K_L.gguf	Q3_K_L	2.24GB	false	品質は低いが使用可能、低RAM環境に適している。
Qwen3-4B-abliterated-Q3_K_M.gguf	Q3_K_M	2.08GB	false	低品質。
Qwen3-4B-abliterated-IQ3_M.gguf	IQ3_M	1.96GB	false	中低品質、Q3_K_Mと同等の性能を持つ新しい手法。
Qwen3-4B-abliterated-Q3_K_S.gguf	Q3_K_S	1.89GB	false	低品質、非推奨。
Qwen3-4B-abliterated-IQ3_XS.gguf	IQ3_XS	1.81GB	false	低品質、Q3_K_Sよりやや良い性能の新しい手法。
Qwen3-4B-abliterated-Q2_K_L.gguf	Q2_K_L	1.76GB	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。
Qwen3-4B-abliterated-IQ3_XXS.gguf	IQ3_XXS	1.67GB	false	低品質、Q3量子化と同等の性能を持つ新しい手法。
Qwen3-4B-abliterated-Q2_K.gguf	Q2_K	1.67GB	false	非常に低品質だが驚くほど使用可能。
Qwen3-4B-abliterated-IQ2_M.gguf	IQ2_M	1.51GB	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。

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]"

その後、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_Qwen3-4B-abliterated-GGUF --include "mlabonne_Qwen3-4B-abliterated-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、以下を実行します:

huggingface-cli download bartowski/mlabonne_Qwen3-4B-abliterated-GGUF --include "mlabonne_Qwen3-4B-abliterated-Q8_0/*" --local-dir ./

新しいlocal-dir（mlabonne_Qwen3-4B-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、これらの重みをメモリ内でインターリーブして、ARMおよびAVXマシンでのパフォーマンスを向上させていました。

しかし現在は、重みに対して「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以降では、Q4_0_X_Xファイルを実行できず、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%