Qwen_Qwen3 - 1.7B - GGUF開源模型 - 支持多類型量化的文本生成利器

首頁

Qwen Qwen3 1.7B GGUF

由bartowski開發

基於Qwen/Qwen3-1.7B的量化版本，使用llama.cpp進行量化，支持多種量化類型，適用於文本生成任務。

大型語言模型 #高效量化 #多場景文本生成 #低內存優化

下載量 7,150

發布時間 : 4/28/2025

模型概述

Qwen3-1.7B的量化版本，適用於文本生成任務，支持多種量化類型，可在LM Studio或llama.cpp中運行。

模型特點

多種量化類型

提供從bf16到Q2_K的多種量化類型，滿足不同硬件和性能需求。

高質量推薦

推薦使用Q6_K_L、Q6_K、Q5_K_L等高質量量化版本，接近完美性能。

低內存優化

提供Q3_K_XL、Q4_K_L等低內存優化版本，適合資源有限的環境。

ARM/AVX支持

支持ARM和AVX設備的在線重打包推理，提升性能。

模型能力

文本生成

對話系統

內容創作

使用案例

文本生成

對話系統

用於構建智能對話系統，支持多輪對話。

內容創作

生成文章、故事等內容創作任務。

🚀 Qwen3-1.7B的Llamacpp imatrix量化版本

本項目是對Qwen3-1.7B模型進行量化處理後的版本，使用特定工具和方法實現了不同量化類型的模型，以滿足不同場景下的使用需求，如在不同硬件條件下的性能優化和資源利用。

🚀 快速開始

本項目使用 llama.cpp 的 b5200 版本進行量化。原始模型可從這裡獲取。所有量化模型均使用 imatrix 選項，並結合此數據集生成。

你可以在 LM Studio 中運行這些量化模型，也可以直接使用 llama.cpp 或其他基於 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

下載文件

你可以從以下列表中選擇下載單個文件（而非整個分支）：

文件名	量化類型	文件大小	拆分情況	描述
Qwen3-1.7B-bf16.gguf	bf16	4.07GB	否	完整的BF16權重。
Qwen3-1.7B-Q8_0.gguf	Q8_0	2.17GB	否	極高質量，通常無需使用，但為最大可用量化類型。
Qwen3-1.7B-Q6_K_L.gguf	Q6_K_L	1.82GB	否	嵌入和輸出權重使用Q8_0。非常高的質量，接近完美，推薦。
Qwen3-1.7B-Q6_K.gguf	Q6_K	1.67GB	否	非常高的質量，接近完美，推薦。
Qwen3-1.7B-Q5_K_L.gguf	Q5_K_L	1.66GB	否	嵌入和輸出權重使用Q8_0。高質量，推薦。
Qwen3-1.7B-Q4_K_L.gguf	Q4_K_L	1.51GB	否	嵌入和輸出權重使用Q8_0。良好的質量，推薦。
Qwen3-1.7B-Q5_K_M.gguf	Q5_K_M	1.47GB	否	高質量，推薦。
Qwen3-1.7B-Q5_K_S.gguf	Q5_K_S	1.44GB	否	高質量，推薦。
Qwen3-1.7B-Q3_K_XL.gguf	Q3_K_XL	1.41GB	否	嵌入和輸出權重使用Q8_0。質量較低但可用，適合低內存情況。
Qwen3-1.7B-Q4_1.gguf	Q4_1	1.34GB	否	舊格式，性能與Q4_K_S相似，但在蘋果硅芯片上的每瓦令牌數有所提高。
Qwen3-1.7B-Q4_K_M.gguf	Q4_K_M	1.28GB	否	良好的質量，大多數用例的默認大小，推薦。
Qwen3-1.7B-Q4_K_S.gguf	Q4_K_S	1.24GB	否	質量稍低但節省空間，推薦。
Qwen3-1.7B-Q4_0.gguf	Q4_0	1.23GB	否	舊格式，支持ARM和AVX CPU推理的在線重新打包。
Qwen3-1.7B-IQ4_NL.gguf	IQ4_NL	1.23GB	否	與IQ4_XS相似，但稍大。支持ARM CPU推理的在線重新打包。
Qwen3-1.7B-IQ4_XS.gguf	IQ4_XS	1.18GB	否	質量不錯，比Q4_K_S小且性能相似，推薦。
Qwen3-1.7B-Q2_K_L.gguf	Q2_K_L	1.18GB	否	嵌入和輸出權重使用Q8_0。質量非常低但出人意料地可用。
Qwen3-1.7B-Q3_K_L.gguf	Q3_K_L	1.14GB	否	質量較低但可用，適合低內存情況。
Qwen3-1.7B-Q3_K_M.gguf	Q3_K_M	1.07GB	否	低質量。
Qwen3-1.7B-IQ3_M.gguf	IQ3_M	1.03GB	否	中低質量，新方法，性能與Q3_K_M相當。
Qwen3-1.7B-Q3_K_S.gguf	Q3_K_S	1.00GB	否	低質量，不推薦。
Qwen3-1.7B-IQ3_XS.gguf	IQ3_XS	0.97GB	否	質量較低，新方法，性能不錯，比Q3_K_S稍好。
Qwen3-1.7B-IQ3_XXS.gguf	IQ3_XXS	0.89GB	否	質量較低，新方法，性能不錯，與Q3量化類型相當。
Qwen3-1.7B-Q2_K.gguf	Q2_K	0.88GB	否	質量非常低但出人意料地可用。
Qwen3-1.7B-IQ2_M.gguf	IQ2_M	0.83GB	否	相對較低的質量，使用了最先進的技術，出人意料地可用。

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，而非默認值。

📦 安裝指南

使用huggingface-cli下載

點擊查看下載說明

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/Qwen_Qwen3-1.7B-GGUF --include "Qwen_Qwen3-1.7B-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。要將所有文件下載到本地文件夾，請運行：

huggingface-cli download bartowski/Qwen_Qwen3-1.7B-GGUF --include "Qwen_Qwen3-1.7B-Q8_0/*" --local-dir ./

你可以指定一個新的本地目錄（如Qwen_Qwen3-1.7B-Q8_0），也可以將它們全部下載到當前目錄（./）。

📚 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，以便在ARM和AVX機器上通過一次加載更多數據來提高性能。

然而，現在有了一種稱為“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，並且你的硬件可以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。

點擊查看Q4_0_X_X信息（已棄用）

我保留這部分內容是為了展示使用帶有在線重新打包的Q4_0在性能上的潛在理論提升。

點擊查看AVX2系統（EPYC7702）上的基準測試

模型	大小	參數	後端	線程數	測試用例	每秒令牌數	與Q4_0相比的百分比
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%