Huihui Ai Gemma 3 1b It Abliterated GGUF

🚀 huihui-ai的gemma-3-1b-it-abliterated的Llamacpp imatrix量化版本

本項目是對huihui-ai的gemma-3-1b-it-abliterated模型進行的量化處理，旨在提升模型在特定環境下的運行效率和性能。

關鍵信息

訪問說明

要在Hugging Face上訪問Gemma，你需要查看並同意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。確認許可

標籤

• 聊天
• abliterated
• uncensored

🚀 快速開始

本項目使用 llama.cpp 的 b4925 版本進行量化。

• 原始模型：https://huggingface.co/huihui-ai/gemma-3-1b-it-abliterated
• 所有量化均使用imatrix選項，並採用了來自 此處 的數據集。

運行方式

• 可在 LM Studio 中運行。
• 也可直接使用 llama.cpp 或任何基於llama.cpp的項目運行。

💻 使用示例

提示格式

<bos><start_of_turn>user
{system_prompt}

{prompt}<end_of_turn>
<start_of_turn>model
<end_of_turn>
<start_of_turn>model

📦 安裝指南

使用huggingface-cli下載

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/huihui-ai_gemma-3-1b-it-abliterated-GGUF --include "huihui-ai_gemma-3-1b-it-abliterated-Q4_K_M.gguf" --local-dir ./

如果模型大小超過50GB，它將被分割成多個文件。若要將所有文件下載到本地文件夾，請運行：

huggingface-cli download bartowski/huihui-ai_gemma-3-1b-it-abliterated-GGUF --include "huihui-ai_gemma-3-1b-it-abliterated-Q8_0/*" --local-dir ./

你可以指定一個新的本地目錄（如huihui-ai_gemma-3-1b-it-abliterated-Q8_0），也可以將所有文件下載到當前目錄（./）。

📚 詳細文檔

下載文件選擇

嵌入/輸出權重說明

部分量化版本（如Q3_K_XL、Q4_K_L等）採用了標準量化方法，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版本，這些版本的權重在內存中交錯排列，以提高ARM和AVX機器的性能，一次加載更多數據。

現在，有了所謂的“在線重新打包”權重功能，詳情見 此PR。如果你使用Q4_0，且硬件能從重新打包權重中受益，它將自動即時處理。

從llama.cpp構建 b4282 版本開始，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，感謝 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。

文件選擇建議

🔧 技術細節

量化方法

使用 llama.cpp 的 b4925 版本進行量化，所有量化均使用imatrix選項，並採用了來自 此處 的數據集。

在線重新打包

從llama.cpp構建 b4282 版本開始，支持Q4_0的在線重新打包功能，詳情見 此PR。

性能對比

📄 許可證

本項目使用gemma許可證。

致謝

感謝kalomaze和Dampf協助創建imatrix校準數據集。 感謝ZeroWw提供嵌入/輸出實驗的靈感。 感謝LM Studio贊助本項目。

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