Open R1 OlympicCoder 32B GGUF

首先，確保你已安裝 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/open-r1_OlympicCoder-32B-GGUF --include "open-r1_OlympicCoder-32B-Q4_K_M.gguf" --local-dir ./

如果模型大小超過 50GB，它將被拆分為多個文件。若要將它們全部下載到本地文件夾，請運行：

huggingface-cli download bartowski/open-r1_OlympicCoder-32B-GGUF --include "open-r1_OlympicCoder-32B-Q8_0/*" --local-dir ./

你可以指定一個新的本地目錄（如 open - r1_OlympicCoder - 32B - Q8_0），也可以將它們全部下載到當前目錄（./）。

我保留這部分內容是為了展示使用支持在線重新打包的 Q4_0 量化模型在理論上的性能提升。

Artefact2 提供了一篇很棒的文章，帶有展示各種性能的圖表，點擊此處查看。

首先，你需要確定你能運行多大的模型。為此，你需要了解你有多少內存（RAM）和/或顯存（VRAM）。

如果你希望模型運行得儘可能快，你需要將整個模型放入 GPU 的顯存中。選擇文件大小比 GPU 總顯存小 1 - 2GB 的量化模型。

如果你追求絕對的最高質量，將系統內存和 GPU 顯存相加，然後選擇文件大小比這個總和小 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，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](https://github.com/ggerganov/llama.cpp/wiki/Feature - matrix)

但基本上，如果你目標是低於 Q4 的量化，並且你使用的是 cuBLAS（Nvidia）或 rocBLAS（AMD），你應該考慮 I - 量化模型，格式為 IQX_X，如 IQ3_M。這些是較新的量化方法，在相同大小下性能更好。

這些 I - 量化模型也可以在 CPU 上使用，但比同等的 K - 量化模型慢，所以你需要在速度和性能之間做出權衡。

I - 量化模型與 Vulcan（同樣適用於 AMD）不兼容，所以如果你使用的是 AMD 顯卡，請仔細檢查你使用的是 rocBLAS 版本還是 Vulcan 版本。在撰寫本文時，LM Studio 有一個支持 ROCm 的預覽版，其他推理引擎也有針對 ROCm 的特定版本。