%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
🚀 NVIDIAによるOpenReasoning - Nemotron - 14BのLlamacpp imatrix量子化
このプロジェクトは、NVIDIAのOpenReasoning - Nemotron - 14Bモデルを量子化したものです。量子化には、llama.cppのリリースb5934を使用しています。
概要
- 量子化担当者: bartowski
- パイプラインタグ: テキスト生成
- ベースモデル: nvidia/OpenReasoning - Nemotron - 14B
- ベースモデルの関係: 量子化済み
元のモデルは、こちらから確認できます。すべての量子化モデルは、ここのデータセットを使用し、imatrixオプションで作成されています。
🚀 クイックスタート
✨ 主な機能
プロンプトフォーマット
<|im_start|>system
{system_prompt}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant
ファイルのダウンロード
以下の表から、必要なファイルを選択してダウンロードできます。
| ファイル名 | 量子化タイプ | ファイルサイズ | 分割 | 説明 |
|---|---|---|---|---|
| OpenReasoning-Nemotron-14B-bf16.gguf | bf16 | 29.55GB | false | 完全なBF16ウェイト。 |
| OpenReasoning-Nemotron-14B-Q8_0.gguf | Q8_0 | 15.70GB | false | 非常に高品質で、一般的には必要ないが、利用可能な最大の量子化。 |
| OpenReasoning-Nemotron-14B-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。非常に高品質で、ほぼ完璧で、推奨。 |
| OpenReasoning-Nemotron-14B-Q6_K.gguf | Q6_K | 12.12GB | false | 非常に高品質で、ほぼ完璧で、推奨。 |
| OpenReasoning-Nemotron-14B-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。高品質で、推奨。 |
| OpenReasoning-Nemotron-14B-Q5_K_M.gguf | Q5_K_M | 10.51GB | false | 高品質で、推奨。 |
| OpenReasoning-Nemotron-14B-Q5_K_S.gguf | Q5_K_S | 10.27GB | false | 高品質で、推奨。 |
| OpenReasoning-Nemotron-14B-Q4_K_L.gguf | Q4_K_L | 9.57GB | false | 埋め込みと出力ウェイトにQ8_0を使用。良い品質で、推奨。 |
| OpenReasoning-Nemotron-14B-Q4_1.gguf | Q4_1 | 9.39GB | false | レガシーフォーマット。Q4_K_Sと同様のパフォーマンスが得られ、Appleシリコンではトークン/ワットが改善されます。 |
| OpenReasoning-Nemotron-14B-Q4_K_M.gguf | Q4_K_M | 8.99GB | false | 良い品質で、ほとんどのユースケースでのデフォルトサイズ、推奨。 |
| OpenReasoning-Nemotron-14B-Q3_K_XL.gguf | Q3_K_XL | 8.61GB | 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で、低RAM環境に適しています。 |
| OpenReasoning-Nemotron-14B-Q4_K_S.gguf | Q4_K_S | 8.57GB | false | 品質が少し低いが、より多くのスペースを節約でき、推奨。 |
| OpenReasoning-Nemotron-14B-IQ4_NL.gguf | IQ4_NL | 8.55GB | false | IQ4_XSに似ていますが、少し大きい。ARM CPU推論用のオンライン再パッキングを提供します。 |
| OpenReasoning-Nemotron-14B-Q4_0.gguf | Q4_0 | 8.54GB | false | レガシーフォーマット。ARMおよびAVX CPU推論用のオンライン再パッキングを提供します。 |
| OpenReasoning-Nemotron-14B-IQ4_XS.gguf | IQ4_XS | 8.12GB | false | 妥当な品質で、Q4_K_Sよりも小さく、同様のパフォーマンスが得られます、推奨。 |
| OpenReasoning-Nemotron-14B-Q3_K_L.gguf | Q3_K_L | 7.92GB | false | 品質は低いが使用可能で、低RAM環境に適しています。 |
| OpenReasoning-Nemotron-14B-Q3_K_M.gguf | Q3_K_M | 7.34GB | false | 低品質。 |
| OpenReasoning-Nemotron-14B-IQ3_M.gguf | IQ3_M | 6.92GB | false | 中程度の低品質。Q3_K_Mに匹敵する妥当なパフォーマンスを持つ新しい方法。 |
| OpenReasoning-Nemotron-14B-Q3_K_S.gguf | Q3_K_S | 6.66GB | false | 低品質で、推奨されません。 |
| OpenReasoning-Nemotron-14B-Q2_K_L.gguf | Q2_K_L | 6.53GB | false | 埋め込みと出力ウェイトにQ8_0を使用。非常に低品質ですが、驚くほど使用可能です。 |
| OpenReasoning-Nemotron-14B-IQ3_XS.gguf | IQ3_XS | 6.38GB | false | 低品質。妥当なパフォーマンスを持つ新しい方法で、Q3_K_Sよりも少し良い。 |
| OpenReasoning-Nemotron-14B-IQ3_XXS.gguf | IQ3_XXS | 5.95GB | false | 低品質。妥当なパフォーマンスを持つ新しい方法で、Q3量子化と匹敵します。 |
| OpenReasoning-Nemotron-14B-Q2_K.gguf | Q2_K | 5.77GB | false | 非常に低品質ですが、驚くほど使用可能です。 |
| OpenReasoning-Nemotron-14B-IQ2_M.gguf | IQ2_M | 5.36GB | false | 比較的低品質。最先端の技術を使用して、驚くほど使用可能です。 |
| OpenReasoning-Nemotron-14B-IQ2_S.gguf | IQ2_S | 5.00GB | false | 低品質。最先端の技術を使用して使用可能です。 |
埋め込み/出力ウェイト
一部の量子化（Q3_K_XL、Q4_K_Lなど）は、標準的な量子化方法で、埋め込みと出力ウェイトが通常のデフォルト値ではなくQ8_0に量子化されています。
📦 インストール
huggingface - cliを使用したダウンロード
ダウンロード手順を表示するにはクリック
まず、hugginface - 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、目的の特定のファイルを指定できます。
huggingface-cli download bartowski/nvidia_OpenReasoning-Nemotron-14B-GGUF --include "nvidia_OpenReasoning-Nemotron-14B-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。こ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/nvidia_OpenReasoning-Nemotron-14B-GGUF --include "nvidia_OpenReasoning-Nemotron-14B-Q8_0/*" --local-dir ./
新しいローカルディレクトリ（nvidia_OpenReasoning-Nemotron-14B-Q8_0）を指定するか、すべてをそのままダウンロード（./）することができます。
🔧 技術詳細
ARM/AVX情報
以前は、Q4_0_4_4/4_8/8_8をダウンロードし、ARMおよびAVXマシンでのパフォーマンスを改善するために、メモリ内でウェイトをインターリーブしていました。
しかし、現在は「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、ハードウェアがウェイトの再パッキングによって恩恵を受ける場合、自動的に実行されます。
llama.cppビルドb4282以降、Q4_0_X_Xファイルを実行することはできなくなり、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、ARM用にウェイトを再パッキングするIQ4_NLを使用すると、少し品質を向上させることができます（現在は4_4のみ）。読み込み時間は長くなる可能性がありますが、全体的な速度が向上します。
Q4_0_X_X情報を表示するにはクリック（非推奨）
このセクションは、オンライン再パッキングを使用したQ4_0の潜在的な理論上のパフォーマンス向上を示すために残しています。
AVX2システム（EPYC7702）でのベンチマークを表示するにはクリック
| モデル | サイズ | パラメータ | バックエンド | スレッド | テスト | トークン/秒 | Q4_0との比較 |
|---|---|---|---|---|---|---|---|
| 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、プロンプト処理に大きな改善をもたらし、テキスト生成にも小さな改善をもたらします。
📚 詳細ドキュメント
どのファイルを選ぶべきか？
詳細を表示するにはクリック
様々なパフォーマンスを示すチャート付きの素晴らしい記事が、Artefact2によってここに提供されています。
まず、実行できるモデルのサイズを判断する必要があります。これには、持っているRAMおよび/またはVRAMの量を把握する必要があります。
モデルをできるだけ高速に実行したい場合は、モデル全体をGPUのVRAMに収めることを目指します。GPUの総VRAMよりも1 - 2GB小さいファイルサイズの量子化モデルを選択してください。
最高の品質を求める場合は、システムRAMとGPUのVRAMを合計し、その合計よりも1 - 2GB小さいファイルサイズの量子化モデルを選択します。
次に、「I - 量子化」または「K - 量子化」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 - 量子化のいずれかを選択してください。これらは「QX_K_X」形式で、Q5_K_Mのようなものです。
詳細を調べたい場合は、この非常に便利な機能チャートをチェックできます。
[llama.cpp機能マトリックス](https://github.com/ggerganov/llama.cpp/wiki/Feature - matrix)
基本的に、Q4以下を目指しており、cuBLAS（Nvidia）またはrocBLAS（AMD）を使用している場合は、I - 量子化を検討する必要があります。これらはIQX_X形式で、IQ3_Mのようなものです。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 - 量子化はCPUでも使用できますが、同等のK - 量子化よりも遅くなります。したがって、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
- kalomazeとDampfには、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ことに感謝します。
- ZeroWwには、埋め込み/出力の実験のインスピレーションを与えてくれたことに感謝します。
- LM Studioには、私の仕事を支援してくれたことに感謝します。
私の仕事をサポートしたい場合は、こちらのko - fiページを訪問してください。https://ko - fi.com/bartowski
Transformers Transformers 複数言語対応 Transformers 複数言語対応 Transformers 英語