模型概述
模型特點
模型能力
使用案例
🚀 PrimeIntellect的INTELLECT - 2的Llamacpp imatrix量化版本
本項目是PrimeIntellect的INTELLECT - 2模型的量化版本,使用特定工具和數據集進行量化處理,提供多種量化類型供用戶選擇,可在不同環境下運行,滿足不同性能和質量需求。
項目信息
屬性 | 詳情 |
---|---|
量化者 | bartowski |
任務類型 | 文本生成 |
基礎模型 | PrimeIntellect/INTELLECT - 2 |
許可證 | apache - 2.0 |
基礎模型關係 | 量化版本 |
訓練數據集 | PrimeIntellect/Intellect - 2 - RL - Dataset |
🚀 快速開始
本項目使用 llama.cpp 的 b5338 版本進行量化。
- 原始模型:[https://huggingface.co/PrimeIntellect/INTELLECT - 2](https://huggingface.co/PrimeIntellect/INTELLECT - 2)
- 所有量化均使用imatrix選項和來自 此處 的數據集完成。
- 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。
✨ 主要特性
提示格式
<|im_start|>system
{system_prompt}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant
<think>
下載文件
可從以下列表中下載單個文件(非整個分支):
文件名 | 量化類型 | 文件大小 | 是否拆分 | 描述 |
---|---|---|---|---|
[INTELLECT - 2 - bf16.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/tree/main/PrimeIntellect_INTELLECT - 2 - bf16) | bf16 | 65.54GB | true | 完整的BF16權重。 |
[INTELLECT - 2 - Q8_0.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q8_0.gguf) | Q8_0 | 34.82GB | false | 極高質量,通常不需要,但為最大可用量化。 |
[INTELLECT - 2 - Q6_K_L.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q6_K_L.gguf) | Q6_K_L | 27.26GB | false | 嵌入和輸出權重使用Q8_0。非常高質量,接近完美,推薦。 |
[INTELLECT - 2 - Q6_K.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q6_K.gguf) | Q6_K | 26.89GB | false | 非常高質量,接近完美,推薦。 |
[INTELLECT - 2 - Q5_K_L.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q5_K_L.gguf) | Q5_K_L | 23.74GB | false | 嵌入和輸出權重使用Q8_0。高質量,推薦。 |
[INTELLECT - 2 - Q5_K_M.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q5_K_M.gguf) | Q5_K_M | 23.26GB | false | 高質量,推薦。 |
[INTELLECT - 2 - Q5_K_S.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q5_K_S.gguf) | Q5_K_S | 22.64GB | false | 高質量,推薦。 |
[INTELLECT - 2 - Q4_1.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q4_1.gguf) | Q4_1 | 20.64GB | false | 舊格式,性能與Q4_K_S相似,但在Apple硅芯片上每瓦處理的令牌數有所提高。 |
[INTELLECT - 2 - Q4_K_L.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q4_K_L.gguf) | Q4_K_L | 20.43GB | false | 嵌入和輸出權重使用Q8_0。質量良好,推薦。 |
[INTELLECT - 2 - Q4_K_M.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q4_K_M.gguf) | Q4_K_M | 19.85GB | false | 質量良好,是大多數用例的默認大小,推薦。 |
[INTELLECT - 2 - Q4_K_S.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q4_K_S.gguf) | Q4_K_S | 18.78GB | false | 質量略低,但節省更多空間,推薦。 |
[INTELLECT - 2 - Q4_0.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q4_0.gguf) | Q4_0 | 18.71GB | false | 舊格式,可在線重新打包以用於ARM和AVX CPU推理。 |
[INTELLECT - 2 - IQ4_NL.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - IQ4_NL.gguf) | IQ4_NL | 18.68GB | false | 與IQ4_XS相似,但略大。可在線重新打包以用於ARM CPU推理。 |
[INTELLECT - 2 - Q3_K_XL.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q3_K_XL.gguf) | Q3_K_XL | 17.93GB | false | 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。 |
[INTELLECT - 2 - IQ4_XS.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - IQ4_XS.gguf) | IQ4_XS | 17.69GB | false | 質量尚可,比Q4_K_S小,性能相似,推薦。 |
[INTELLECT - 2 - Q3_K_L.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q3_K_L.gguf) | Q3_K_L | 17.25GB | false | 質量較低但可用,適合低內存情況。 |
[INTELLECT - 2 - Q3_K_M.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q3_K_M.gguf) | Q3_K_M | 15.94GB | false | 低質量。 |
[INTELLECT - 2 - IQ3_M.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - IQ3_M.gguf) | IQ3_M | 14.81GB | false | 中低質量,新方法,性能與Q3_K_M相當。 |
[INTELLECT - 2 - Q3_K_S.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q3_K_S.gguf) | Q3_K_S | 14.39GB | false | 低質量,不推薦。 |
[INTELLECT - 2 - IQ3_XS.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - IQ3_XS.gguf) | IQ3_XS | 13.71GB | false | 質量較低,新方法,性能尚可,略優於Q3_K_S。 |
[INTELLECT - 2 - Q2_K_L.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q2_K_L.gguf) | Q2_K_L | 13.07GB | false | 嵌入和輸出權重使用Q8_0。質量非常低,但出奇地可用。 |
[INTELLECT - 2 - IQ3_XXS.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - IQ3_XXS.gguf) | IQ3_XXS | 12.84GB | false | 質量較低,新方法,性能尚可,與Q3量化相當。 |
[INTELLECT - 2 - Q2_K.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q2_K.gguf) | Q2_K | 12.31GB | false | 質量非常低,但出奇地可用。 |
[INTELLECT - 2 - IQ2_M.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - IQ2_M.gguf) | IQ2_M | 11.26GB | false | 質量相對較低,使用了最先進的技術,出奇地可用。 |
[INTELLECT - 2 - IQ2_S.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - IQ2_S.gguf) | IQ2_S | 10.39GB | false | 低質量,使用了最先進的技術,可用。 |
[INTELLECT - 2 - IQ2_XS.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - IQ2_XS.gguf) | IQ2_XS | 9.96GB | false | 低質量,使用了最先進的技術,可用。 |
嵌入/輸出權重
部分量化(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/PrimeIntellect_INTELLECT - 2 - GGUF --include "PrimeIntellect_INTELLECT - 2 - Q4_K_M.gguf" --local-dir ./
如果模型大於50GB,它會被拆分為多個文件。要將它們全部下載到本地文件夾,請運行:
huggingface-cli download bartowski/PrimeIntellect_INTELLECT - 2 - GGUF --include "PrimeIntellect_INTELLECT - 2 - Q8_0/*" --local-dir ./
你可以指定一個新的本地目錄(如PrimeIntellect_INTELLECT - 2 - Q8_0),也可以將它們全部下載到當前目錄(./)。
💻 使用示例
基礎用法
本項目可在LM Studio或基於llama.cpp的項目中運行,以下是使用huggingface - cli下載特定文件的示例:
huggingface-cli download bartowski/PrimeIntellect_INTELLECT - 2 - GGUF --include "PrimeIntellect_INTELLECT - 2 - Q4_K_M.gguf" --local-dir ./
高級用法
若模型大於50GB,可使用以下命令下載拆分後的所有文件:
huggingface-cli download bartowski/PrimeIntellect_INTELLECT - 2 - GGUF --include "PrimeIntellect_INTELLECT - 2 - 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,並且你的硬件能從重新打包權重中受益,它會自動即時進行處理。
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,不過目前僅適用於4_4。加載時間可能會變慢,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支持在線重新打包的Q4_0在理論上的性能提升。
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 | 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% |
Q4_0_8_8在提示處理方面有顯著提升,在文本生成方面有小幅提升。
如何選擇文件
點擊查看詳情
Artefact2 在此 提供了一份很棒的帶有各種性能圖表的文章。
首先要確定你能運行多大的模型。為此,你需要了解自己有多少內存(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 - 量化版本,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,並且使用cuBLAS(Nvidia)或rocBLAS(AMD),你應該考慮I - 量化版本,格式為IQX_X,如IQ3_M。這些是較新的版本,在相同大小下性能更好。
這些I - 量化版本也可以在CPU上使用,但比對應的K - 量化版本慢,所以你需要在速度和性能之間做出權衡。
📄 許可證
本項目使用的許可證為apache - 2.0。
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](https://ko - fi.com/bartowski)



