mlabonne_Qwen3-1.7B-abliterated-GGUFオープンソースモデル - 複数のタイプの量子化をサポートするテキスト生成ツール

ホーム

Mlabonne Qwen3 1.7B Abliterated GGUF

bartowskiによって開発

これはQwen3-1.7B-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、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。

大規模言語モデル #マルチ量子化バージョン #軽量生成 #中国語対話最適化

ダウンロード数 1,493

リリース時間 : 4/30/2025

モデル概要

このモデルはQwen3-1.7B-abliteratedの量子化バージョンで、テキスト生成タスクに適しており、複数の量子化タイプをサポートし、LM Studioやllama.cppで実行可能です。

モデル特徴

複数量子化オプション

BF16からQ2_Kまでの複数量子化バージョンを提供し、様々なハードウェア要件に対応します。

imatrix量子化

imatrixオプションを使用した量子化により、モデル性能を向上させます。

複数実行環境対応

LM Studio、llama.cpp、またはllama.cppベースのプロジェクトで実行可能です。

埋め込み/出力重み最適化

一部の量子化バージョンでは、埋め込みと出力重みがQ8_0で量子化され、性能が向上します。

モデル能力

テキスト生成

多言語サポート

量子化推論

使用事例

テキスト生成

対話システム

対話システムの構築に使用可能で、自然言語応答を生成します。

コンテンツ作成

記事やストーリーなどのコンテンツ生成を支援します。

quantized_by: bartowski pipeline_tag: text-generation base_model_relation: quantized base_model: mlabonne/Qwen3-1.7B-abliterated tags: []

mlabonneのQwen3-1.7B-abliteratedに対するLlamacpp imatrix量子化

量子化にはllama.cppのリリースb5228を使用しました。

オリジナルモデル: https://huggingface.co/mlabonne/Qwen3-1.7B-abliterated

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
Qwen3-1.7B-abliterated-bf16.gguf	bf16	3.45GB	false	完全なBF16重み。
Qwen3-1.7B-abliterated-Q8_0.gguf	Q8_0	1.83GB	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。
Qwen3-1.7B-abliterated-Q6_K_L.gguf	Q6_K_L	1.49GB	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。
Qwen3-1.7B-abliterated-Q6_K.gguf	Q6_K	1.42GB	false	非常に高品質、ほぼ完璧、推奨。
Qwen3-1.7B-abliterated-Q5_K_L.gguf	Q5_K_L	1.33GB	false	埋め込みと出力重みにQ8_0を使用。高品質、推奨。
Qwen3-1.7B-abliterated-Q5_K_M.gguf	Q5_K_M	1.26GB	false	高品質、推奨。
Qwen3-1.7B-abliterated-Q5_K_S.gguf	Q5_K_S	1.23GB	false	高品質、推奨。
Qwen3-1.7B-abliterated-Q4_K_L.gguf	Q4_K_L	1.18GB	false	埋め込みと出力重みにQ8_0を使用。良好な品質、推奨。
Qwen3-1.7B-abliterated-Q4_1.gguf	Q4_1	1.14GB	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/ワットが向上。
Qwen3-1.7B-abliterated-Q4_K_M.gguf	Q4_K_M	1.11GB	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。
Qwen3-1.7B-abliterated-Q3_K_XL.gguf	Q3_K_XL	1.08GB	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。
Qwen3-1.7B-abliterated-Q4_K_S.gguf	Q4_K_S	1.06GB	false	品質はやや低いがスペース節約、推奨。
Qwen3-1.7B-abliterated-Q4_0.gguf	Q4_0	1.06GB	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。
Qwen3-1.7B-abliterated-IQ4_NL.gguf	IQ4_NL	1.05GB	false	IQ4_XSと類似、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。
Qwen3-1.7B-abliterated-IQ4_XS.gguf	IQ4_XS	1.01GB	false	適度な品質、Q4_K_Sより小さく同様の性能、推奨。
Qwen3-1.7B-abliterated-Q3_K_L.gguf	Q3_K_L	1.00GB	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。
Qwen3-1.7B-abliterated-Q3_K_M.gguf	Q3_K_M	0.94GB	false	低品質。
Qwen3-1.7B-abliterated-IQ3_M.gguf	IQ3_M	0.90GB	false	中低品質、Q3_K_Mと同等の性能を持つ新しい手法。
Qwen3-1.7B-abliterated-Q3_K_S.gguf	Q3_K_S	0.87GB	false	低品質、非推奨。
Qwen3-1.7B-abliterated-Q2_K_L.gguf	Q2_K_L	0.85GB	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。
Qwen3-1.7B-abliterated-IQ3_XS.gguf	IQ3_XS	0.83GB	false	低品質、新しい手法で適度な性能、Q3_K_Sよりやや優れています。
Qwen3-1.7B-abliterated-Q2_K.gguf	Q2_K	0.78GB	false	非常に低品質だが驚くほど使用可能。
Qwen3-1.7B-abliterated-IQ3_XXS.gguf	IQ3_XXS	0.75GB	false	低品質、新しい手法で適度な性能、Q3量子化と同等。
Qwen3-1.7B-abliterated-IQ2_M.gguf	IQ2_M	0.70GB	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]"

次に、特定のファイルをターゲットにできます:

huggingface-cli download bartowski/mlabonne_Qwen3-1.7B-abliterated-GGUF --include "mlabonne_Qwen3-1.7B-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、次のコマンドを実行します:

huggingface-cli download bartowski/mlabonne_Qwen3-1.7B-abliterated-GGUF --include "mlabonne_Qwen3-1.7B-abliterated-Q8_0/*" --local-dir ./

新しいlocal-dir（mlabonne_Qwen3-1.7B-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」と呼ばれるものがあります。詳細はこのPRにあります。Q4_0を使用し、ハードウェアが重みの再パッキングに適している場合、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を使用してやや良い品質を得ることができます。これもARM用に重み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潜在的な理論上の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%