Open Thoughts OpenThinker2 32B GGUF

🚀 OpenThinker2-32B的Llamacpp imatrix量化版本

本項目是對OpenThinker2-32B模型進行的量化處理，藉助量化技術可在不同硬件條件下更高效地運行模型。

🚀 快速開始

使用 llama.cpp 發佈版本 b5035 進行量化。 原始模型地址：https://huggingface.co/open-thoughts/OpenThinker2-32B 所有量化模型均使用imatrix選項，並採用來自 此處 的數據集。 你可以在 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。

✨ 主要特性

提示格式

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

模型量化文件

嵌入/輸出權重

部分量化模型（如Q3_K_XL、Q4_K_L等）採用標準量化方法，將嵌入和輸出權重量化為Q8_0，而非默認設置。

📦 安裝指南

使用huggingface-cli下載

pip install -U "huggingface_hub[cli]"

huggingface-cli download bartowski/open-thoughts_OpenThinker2-32B-GGUF --include "open-thoughts_OpenThinker2-32B-Q4_K_M.gguf" --local-dir ./

huggingface-cli download bartowski/open-thoughts_OpenThinker2-32B-GGUF --include "open-thoughts_OpenThinker2-32B-Q8_0/*" --local-dir ./

📚 詳細文檔

ARM/AVX信息

以前，你會下載Q4_0_4_4/4_8/8_8，這些模型的權重會在內存中交錯排列，以便通過一次加載更多數據來提高ARM和AVX機器的性能。

然而，現在有了一種名為“在線重新打包”的權重處理方式，詳情見 此PR。如果你使用Q4_0，並且你的硬件能從重新打包權重中受益，它將自動即時進行處理。

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，不過目前僅支持4_4。加載時間可能會更長，但總體速度會提高。

如何選擇合適的文件

📄 許可證

本項目採用Apache 2.0許可證。

🔧 技術細節

本項目使用特定的量化方法和數據集對OpenThinker2-32B模型進行量化處理。使用llama.cpp的特定版本進行量化操作，通過調整嵌入和輸出權重的量化級別，以及採用在線重新打包等技術，在不同硬件條件下實現更高效的模型運行。同時，針對不同的硬件架構（如ARM和AVX）進行了性能優化。

致謝

感謝kalomaze和Dampf在創建imatrix校準數據集方面提供的幫助。 感謝ZeroWw在嵌入/輸出實驗方面提供的靈感。 感謝LM Studio對我工作的贊助。

如果你想支持我的工作，請訪問我的ko-fi頁面：https://ko-fi.com/bartowski