Qwen_Qwen3-14B-GGUF开源模型 - 支持多类型量化，适配资源受限设备

Home

Qwen Qwen3 14B GGUF

Developed by bartowski

Qwen团队提供的Qwen3-14B模型的量化版本，使用llama.cpp进行量化，支持多种量化类型，适合在资源受限的设备上运行。

大型语言模型 #多级量化选择 #低内存占用优化 #跨平台兼容性

Downloads 36.61k

Release Time : 4/28/2025

Model Overview

Qwen3-14B是一个大型语言模型，经过量化处理后，可以在本地设备上高效运行，适用于文本生成等任务。

Model Features

多种量化选项

提供从BF16到IQ2_XS等多种量化类型，满足不同硬件和性能需求。

高质量量化

推荐使用Q6_K_L、Q5_K_M等高质量量化版本，性能接近原始模型。

支持本地运行

可在LM Studio或llama.cpp等工具中本地运行，无需云端依赖。

嵌入和输出权重优化

部分量化版本将嵌入和输出权重量化为Q8_0，提升性能。

Model Capabilities

文本生成

自然语言处理

对话系统

Use Cases

文本生成

对话系统

用于构建智能对话助手，支持多轮对话。

内容创作

生成文章、故事等文本内容。

本地部署

资源受限设备

在内存有限的设备上运行大型语言模型。

🚀 Qwen3-14B的Llamacpp imatrix量化版本

本项目使用 llama.cpp 发布版本 b5200 进行量化。它基于原始模型 Qwen/Qwen3-14B ，所有量化模型均使用 imatrix 选项和来自此处的数据集生成。你可以在 LM Studio 中运行这些量化模型，也可以直接使用 llama.cpp 或任何基于 llama.cpp 的项目来运行。

🚀 快速开始

提示格式

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

下载文件

你可以从以下表格中选择并下载单个文件（而非整个分支）：

文件名	量化类型	文件大小	分割情况	描述
Qwen3-14B-bf16.gguf	bf16	29.54GB	false	完整的 BF16 权重。
Qwen3-14B-Q8_0.gguf	Q8_0	15.70GB	false	极高质量，通常不需要，但为最大可用量化。
Qwen3-14B-Q6_K_L.gguf	Q6_K_L	12.50GB	false	嵌入和输出权重使用 Q8_0 。非常高质量，近乎完美，推荐。
Qwen3-14B-Q6_K.gguf	Q6_K	12.12GB	false	非常高质量，近乎完美，推荐。
Qwen3-14B-Q5_K_L.gguf	Q5_K_L	10.99GB	false	嵌入和输出权重使用 Q8_0 。高质量，推荐。
Qwen3-14B-Q5_K_M.gguf	Q5_K_M	10.51GB	false	高质量，推荐。
Qwen3-14B-Q5_K_S.gguf	Q5_K_S	10.26GB	false	高质量，推荐。
Qwen3-14B-Q4_K_L.gguf	Q4_K_L	9.58GB	false	嵌入和输出权重使用 Q8_0 。质量良好，推荐。
Qwen3-14B-Q4_1.gguf	Q4_1	9.39GB	false	旧格式，性能与 Q4_K_S 相似，但在苹果硅芯片上每瓦处理的令牌数有所提高。
Qwen3-14B-Q4_K_M.gguf	Q4_K_M	9.00GB	false	质量良好，是大多数用例的默认大小，推荐。
Qwen3-14B-Q3_K_XL.gguf	Q3_K_XL	8.58GB	false	嵌入和输出权重使用 Q8_0 。质量较低但可用，适合低内存情况。
Qwen3-14B-Q4_K_S.gguf	Q4_K_S	8.57GB	false	质量略低但节省空间，推荐。
Qwen3-14B-Q4_0.gguf	Q4_0	8.54GB	false	旧格式，支持 ARM 和 AVX CPU 推理的在线重新打包。
Qwen3-14B-IQ4_NL.gguf	IQ4_NL	8.54GB	false	与 IQ4_XS 相似，但稍大。支持 ARM CPU 推理的在线重新打包。
Qwen3-14B-IQ4_XS.gguf	IQ4_XS	8.11GB	false	质量尚可，比 Q4_K_S 小且性能相似，推荐。
Qwen3-14B-Q3_K_L.gguf	Q3_K_L	7.90GB	false	质量较低但可用，适合低内存情况。
Qwen3-14B-Q3_K_M.gguf	Q3_K_M	7.32GB	false	质量低。
Qwen3-14B-IQ3_M.gguf	IQ3_M	6.88GB	false	中低质量，新方法，性能与 Q3_K_M 相当。
Qwen3-14B-Q3_K_S.gguf	Q3_K_S	6.66GB	false	质量低，不推荐。
Qwen3-14B-Q2_K_L.gguf	Q2_K_L	6.51GB	false	嵌入和输出权重使用 Q8_0 。质量极低但出人意料地可用。
Qwen3-14B-IQ3_XS.gguf	IQ3_XS	6.38GB	false	质量较低，新方法，性能尚可，略优于 Q3_K_S 。
Qwen3-14B-IQ3_XXS.gguf	IQ3_XXS	5.94GB	false	质量较低，新方法，性能尚可，与 Q3 量化相当。
Qwen3-14B-Q2_K.gguf	Q2_K	5.75GB	false	质量极低但出人意料地可用。
Qwen3-14B-IQ2_M.gguf	IQ2_M	5.32GB	false	质量相对较低，使用最先进技术，出人意料地可用。
Qwen3-14B-IQ2_S.gguf	IQ2_S	4.96GB	false	质量低，使用最先进技术可用。
Qwen3-14B-IQ2_XS.gguf	IQ2_XS	4.69GB	false	质量低，使用最先进技术可用。

嵌入/输出权重

部分量化模型（如 Q3_K_XL、Q4_K_L 等）采用标准量化方法，将嵌入和输出权重量化为 Q8_0 ，而非默认值。

📦 安装指南

使用huggingface-cli下载

点击查看下载说明

首先，确保你已安装 huggingface-cli：

pip install -U "huggingface_hub[cli]"

然后，你可以指定要下载的特定文件：

huggingface-cli download bartowski/Qwen_Qwen3-14B-GGUF --include "Qwen_Qwen3-14B-Q4_K_M.gguf" --local-dir ./

如果模型大小超过 50GB，它会被分割成多个文件。若要将它们全部下载到本地文件夹，请运行：

huggingface-cli download bartowski/Qwen_Qwen3-14B-GGUF --include "Qwen_Qwen3-14B-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录（如 Qwen_Qwen3-14B-Q8_0），也可以将它们全部下载到当前目录（./）。

📚 详细文档

ARM/AVX 信息

以前，你会下载 Q4_0_4_4/4_8/8_8 版本，这些版本的权重在内存中交错排列，以便在 ARM 和 AVX 机器上通过一次加载更多数据来提高性能。

然而，现在有了所谓的“在线重新打包”权重功能，详情见此PR。如果你使用 Q4_0 ，且硬件能从重新打包权重中受益，它会自动实时进行。

从 llama.cpp 版本 b4282 开始，你将无法运行 Q4_0_X_X 文件，而需要使用 Q4_0 。

此外，如果你想获得稍好的质量，可以使用 IQ4_NL ，这得益于此PR ，它也会为 ARM 重新打包权重，不过目前仅支持 4_4 。加载时间可能会更长，但总体速度会提高。

点击查看 Q4_0_X_X 信息（已弃用）

我保留这部分内容是为了展示使用支持在线重新打包的 Q4_0 时理论上的性能提升。

点击查看 AVX2 系统（EPYC7702）上的基准测试

模型	大小	参数	后端	线程数	测试类型	每秒令牌数	与 Q4_0 相比
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%