Google Gemma 3 27b It Qat GGUF

首先，確保你已安裝huggingface-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/google_gemma-3-27b-it-qat-GGUF --include "google_gemma-3-27b-it-qat-Q4_K_M.gguf" --local-dir ./

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

huggingface-cli download bartowski/google_gemma-3-27b-it-qat-GGUF --include "google_gemma-3-27b-it-qat-Q8_0/*" --local-dir ./

你可以指定一個新的本地目錄（如google_gemma-3-27b-it-qat-Q8_0），也可以將它們全部下載到當前目錄（./）。

保留此部分是為了展示使用支持在線重新打包的Q4_0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，可查看此處。

首先，你需要確定能運行多大的模型，這需要了解你有多少系統內存（RAM）和/或顯存（VRAM）。

如果你希望模型運行得儘可能快，應將整個模型加載到GPU的顯存中。選擇文件大小比GPU總顯存小1 - 2GB的量化版本。

如果你追求絕對最高質量，將系統內存和GPU顯存相加，然後選擇文件大小比該總和小1 - 2GB的量化版本。

接下來，你需要決定使用“I-quant”還是“K-quant”。

如果你不想考慮太多，選擇K-quant，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，如果你目標是低於Q4的量化，並且使用cuBLAS（Nvidia）或rocBLAS（AMD），可以考慮I-quant，格式為IQX_X，如IQ3_M。這些是較新的方法，在相同大小下性能更好。

I-quant也可在CPU上使用，但比對應的K-quant慢，因此你需要在速度和性能之間做出權衡。

要訪問Hugging Face上的Gemma，你需要審查並同意Google的使用許可。請確保你已登錄Hugging Face，然後點擊下方按鈕。請求將立即處理。