開源Qwen_Qwen3 - 0.6B - GGUF模型：支持LM Studio，免費部署輕鬆運行

Home

Qwen Qwen3 0.6B GGUF

Developed by bartowski

Qwen團隊提供的Qwen3-0.6B的Llamacpp imatrix量化版本，使用llama.cpp進行量化，支持在LM Studio或基於llama.cpp的項目中運行。

大型語言模型 #輕量級文本生成 #多量化版本適配 #低資源部署

Downloads 10.24k

Release Time : 4/28/2025

Model Overview

這是一個基於Qwen3-0.6B模型的量化版本，通過llama.cpp工具進行優化，提供多種量化選項以適應不同硬件需求。

Model Features

多種量化選項

提供從BF16到Q2_K的多種量化版本，適應不同硬件和性能需求。

imatrix量化

使用imatrix選項進行量化，提升模型性能。

廣泛兼容性

支持在LM Studio、llama.cpp及基於llama.cpp的項目中運行。

Model Capabilities

文本生成

對話系統

內容創作

Use Cases

對話系統

智能客服

用於構建智能客服系統，回答用戶問題。

內容創作

文章生成

生成各類文章、故事等內容。

🚀 Qwen3-0.6B的Llamacpp imatrix量化版本

本項目是對Qwen3-0.6B模型進行量化處理的成果，旨在優化模型在不同硬件上的運行性能和資源佔用。通過使用特定的量化工具和數據集，提供了多種量化類型的模型文件供用戶選擇。

🚀 快速開始

運行環境

可以在 LM Studio 中運行這些量化模型，也可以直接使用 llama.cpp 或任何基於 llama.cpp 的項目來運行。

提示格式

<|im_start|>system
{system_prompt}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant

下載文件

從以下表格中選擇並下載所需的文件（不是整個分支）：

文件名	量化類型	文件大小	分割情況	描述
Qwen3-0.6B-bf16.gguf	bf16	1.51GB	false	完整的BF16權重。
Qwen3-0.6B-Q8_0.gguf	Q8_0	0.80GB	false	極高質量，通常不需要，但提供了最大可用的量化。
Qwen3-0.6B-Q6_K_L.gguf	Q6_K_L	0.70GB	false	嵌入和輸出權重使用Q8_0。非常高質量，接近完美，推薦。
Qwen3-0.6B-Q5_K_L.gguf	Q5_K_L	0.65GB	false	嵌入和輸出權重使用Q8_0。高質量，推薦。
Qwen3-0.6B-Q6_K.gguf	Q6_K	0.62GB	false	非常高質量，接近完美，推薦。
Qwen3-0.6B-Q4_K_L.gguf	Q4_K_L	0.60GB	false	嵌入和輸出權重使用Q8_0。質量良好，推薦。
Qwen3-0.6B-Q3_K_XL.gguf	Q3_K_XL	0.57GB	false	嵌入和輸出權重使用Q8_0。質量較低但可用，適合低內存環境。
Qwen3-0.6B-Q5_K_M.gguf	Q5_K_M	0.55GB	false	高質量，推薦。
Qwen3-0.6B-Q5_K_S.gguf	Q5_K_S	0.54GB	false	高質量，推薦。
Qwen3-0.6B-Q4_1.gguf	Q4_1	0.51GB	false	舊格式，性能與Q4_K_S相似，但在蘋果硅芯片上的每瓦令牌數有所提高。
Qwen3-0.6B-Q2_K_L.gguf	Q2_K_L	0.50GB	false	嵌入和輸出權重使用Q8_0。質量非常低，但出人意料地可用。
Qwen3-0.6B-Q4_K_M.gguf	Q4_K_M	0.48GB	false	質量良好，是大多數用例的默認選擇，推薦。
Qwen3-0.6B-Q4_K_S.gguf	Q4_K_S	0.47GB	false	質量稍低，但節省空間，推薦。
Qwen3-0.6B-Q4_0.gguf	Q4_0	0.47GB	false	舊格式，支持為ARM和AVX CPU推理進行在線重新打包。
Qwen3-0.6B-IQ4_NL.gguf	IQ4_NL	0.47GB	false	與IQ4_XS相似，但稍大。支持為ARM CPU推理進行在線重新打包。
Qwen3-0.6B-IQ4_XS.gguf	IQ4_XS	0.45GB	false	質量不錯，比Q4_K_S小，性能相似，推薦。
Qwen3-0.6B-Q3_K_L.gguf	Q3_K_L	0.44GB	false	質量較低但可用，適合低內存環境。
Qwen3-0.6B-Q3_K_M.gguf	Q3_K_M	0.41GB	false	質量低。
Qwen3-0.6B-IQ3_M.gguf	IQ3_M	0.40GB	false	中低質量，新方法，性能與Q3_K_M相當。
Qwen3-0.6B-Q3_K_S.gguf	Q3_K_S	0.39GB	false	質量低，不推薦。
Qwen3-0.6B-IQ3_XS.gguf	IQ3_XS	0.38GB	false	質量較低，新方法，性能不錯，略優於Q3_K_S。
Qwen3-0.6B-IQ3_XXS.gguf	IQ3_XXS	0.35GB	false	質量較低，新方法，性能不錯，與Q3量化相當。
Qwen3-0.6B-Q2_K.gguf	Q2_K	0.35GB	false	質量非常低，但出人意料地可用。
Qwen3-0.6B-IQ2_M.gguf	IQ2_M	0.33GB	false	質量相對較低，使用了最先進的技術，出人意料地可用。

下載方式

使用huggingface-cli下載

點擊查看下載說明

首先，確保你已經安裝了hugginface-cli：

pip install -U "huggingface_hub[cli]"

然後，你可以指定要下載的特定文件：

huggingface-cli download bartowski/Qwen_Qwen3-0.6B-GGUF --include "Qwen_Qwen3-0.6B-Q4_K_M.gguf" --local-dir ./

如果模型大於50GB，它將被分割成多個文件。要將它們全部下載到本地文件夾，請運行：

huggingface-cli download bartowski/Qwen_Qwen3-0.6B-GGUF --include "Qwen_Qwen3-0.6B-Q8_0/*" --local-dir ./

你可以指定一個新的本地目錄（Qwen_Qwen3-0.6B-Q8_0），也可以將它們全部下載到當前目錄（./）。

✨ 主要特性

量化方式

使用 llama.cpp 的 b5200 版本進行量化。所有量化均使用imatrix選項，並結合來自此處的數據集。

嵌入/輸出權重

部分量化模型（如Q3_K_XL、Q4_K_L等）採用了標準的量化方法，將嵌入和輸出權重量化為Q8_0，而非默認值。

ARM/AVX信息

以前，你會下載Q4_0_4_4/4_8/8_8文件，這些文件的權重在內存中交錯排列，以提高ARM和AVX機器的性能。現在，有了“在線重新打包”功能，詳情見此PR。如果你使用Q4_0，並且硬件能從重新打包權重中受益，它將自動即時進行。
從llama.cpp構建版本 b4282 開始，你將無法運行Q4_0_X_X文件，而需要使用Q4_0。
此外，如果你想獲得稍好的質量，可以使用IQ4_NL，這得益於此PR，它也會為ARM重新打包權重，但目前僅適用於4_4。加載時間可能會較慢，但總體速度會提高。

📚 詳細文檔

如何選擇合適的文件

點擊查看詳情

Artefact2 提供了一篇很棒的文章，並配有圖表展示各種性能，鏈接為此處。

首先，你需要確定能夠運行的模型大小。這需要了解你係統的RAM和GPU的VRAM容量。

如果你希望模型運行得儘可能快，應將整個模型加載到GPU的VRAM中。選擇文件大小比GPU總VRAM小1 - 2GB的量化模型。
如果你追求絕對的最高質量，將系統RAM和GPU的VRAM相加，然後選擇文件大小比該總和小1 - 2GB的量化模型。

接下來，你需要決定是使用“I量化”還是“K量化”。

如果你不想考慮太多，可以選擇K量化模型，格式為 'QX_K_X'，如Q5_K_M。
如果你想深入瞭解，可以查看這個非常有用的特性圖表：llama.cpp特性矩陣。一般來說，如果你目標是Q4以下的量化，並且使用cuBLAS（Nvidia）或rocBLAS（AMD），應該考慮I量化模型，格式為IQX_X，如IQ3_M。這些模型較新，在相同大小下性能更好。不過，I量化模型也可以在CPU上使用，但比對應的K量化模型慢，因此你需要在速度和性能之間進行權衡。

🔧 技術細節

基準測試

點擊查看AVX2系統（EPYC7702）上的基準測試

模型	大小	參數	後端	線程數	測試用例	每秒令牌數	與Q4_0相比的百分比
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%