Qwen_Qwen3-32B-GGUF開源模型 - 支持多類型量化適配不同硬件需求

首頁

Qwen Qwen3 32B GGUF

由bartowski開發

基於Qwen/Qwen3-32B的量化版本，使用llama.cpp進行量化，支持多種量化類型，適用於不同硬件需求。

大型語言模型開源協議:Apache-2.0 #高精度量化 #多場景文本生成 #低內存優化

下載量 49.13k

發布時間 : 4/28/2025

模型概述

這是一個32B參數規模的大語言模型量化版本，支持文本生成任務，適用於需要高效推理的場景。

模型特點

多種量化版本

提供從Q8_0到IQ2_XXS等多種量化類型，滿足不同硬件和性能需求。

高質量量化

使用imatrix選項進行量化，確保模型質量接近原始版本。

廣泛兼容性

可在LM Studio或基於llama.cpp的項目中運行，支持多種硬件平臺。

模型能力

文本生成

高效推理

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

輔助生成文章、故事等內容。

🚀 Qwen3-32B的Llamacpp imatrix量化版本

本項目使用 llama.cpp 的 b5200 版本對Qwen3-32B模型進行量化。該項目提供了多種量化類型的模型文件，方便不同硬件條件和需求的用戶使用。

🚀 快速開始

你可以在 LM Studio 中運行這些量化後的模型，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

多種量化類型：提供了從高精度到低精度的多種量化類型，如bf16、Q8_0、Q6_K_L等，滿足不同的性能和質量需求。
在線重打包：部分量化類型支持在線重打包，可自動優化ARM和AVX機器的性能。
易於下載：支持使用 huggingface-cli 下載特定的模型文件。

📦 安裝指南

安裝huggingface-cli

確保你已經安裝了 huggingface-cli：

pip install -U "huggingface_hub[cli]"

下載特定文件

你可以指定要下載的特定文件：

huggingface-cli download bartowski/Qwen_Qwen3-32B-GGUF --include "Qwen_Qwen3-32B-Q4_K_M.gguf" --local-dir ./

下載拆分文件

如果模型文件大於50GB，它會被拆分成多個文件。要將它們全部下載到本地文件夾，請運行：

huggingface-cli download bartowski/Qwen_Qwen3-32B-GGUF --include "Qwen_Qwen3-32B-Q8_0/*" --local-dir ./

你可以指定一個新的本地目錄（如 Qwen_Qwen3-32B-Q8_0），也可以將它們全部下載到當前目錄（./）。

💻 使用示例

提示格式

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

📚 詳細文檔

下載文件列表

文件名	量化類型	文件大小	是否拆分	描述
Qwen3-32B-bf16.gguf	bf16	65.53GB	true	完整的BF16權重。
Qwen3-32B-Q8_0.gguf	Q8_0	34.82GB	false	極高質量，通常不需要，但為可用的最高量化。
Qwen3-32B-Q6_K_L.gguf	Q6_K_L	27.26GB	false	對嵌入和輸出權重使用Q8_0。非常高質量，接近完美，推薦。
Qwen3-32B-Q6_K.gguf	Q6_K	26.88GB	false	非常高質量，接近完美，推薦。
Qwen3-32B-Q5_K_L.gguf	Q5_K_L	23.69GB	false	對嵌入和輸出權重使用Q8_0。高質量，推薦。
Qwen3-32B-Q5_K_M.gguf	Q5_K_M	23.21GB	false	高質量，推薦。
Qwen3-32B-Q5_K_S.gguf	Q5_K_S	22.64GB	false	高質量，推薦。
Qwen3-32B-Q4_1.gguf	Q4_1	20.64GB	false	舊格式，性能與Q4_K_S相似，但在Apple硅芯片上的每瓦令牌數有所提高。
Qwen3-32B-Q4_K_L.gguf	Q4_K_L	20.34GB	false	對嵌入和輸出權重使用Q8_0。質量良好，推薦。
Qwen3-32B-Q4_K_M.gguf	Q4_K_M	19.76GB	false	質量良好，是大多數用例的默認大小，推薦。
Qwen3-32B-Q4_K_S.gguf	Q4_K_S	18.77GB	false	質量略低，但節省更多空間，推薦。
Qwen3-32B-Q4_0.gguf	Q4_0	18.70GB	false	舊格式，為ARM和AVX CPU推理提供在線重打包。
Qwen3-32B-IQ4_NL.gguf	IQ4_NL	18.68GB	false	類似於IQ4_XS，但略大。為ARM CPU推理提供在線重打包。
Qwen3-32B-Q3_K_XL.gguf	Q3_K_XL	18.01GB	false	對嵌入和輸出權重使用Q8_0。質量較低但可用，適合低RAM情況。
Qwen3-32B-IQ4_XS.gguf	IQ4_XS	17.69GB	false	質量不錯，比Q4_K_S小，性能相似，推薦。
Qwen3-32B-Q3_K_L.gguf	Q3_K_L	17.33GB	false	質量較低但可用，適合低RAM情況。
Qwen3-32B-Q3_K_M.gguf	Q3_K_M	15.97GB	false	低質量。
Qwen3-32B-IQ3_M.gguf	IQ3_M	14.93GB	false	中低質量，新方法，性能與Q3_K_M相當。
Qwen3-32B-Q3_K_S.gguf	Q3_K_S	14.39GB	false	低質量，不推薦。
Qwen3-32B-IQ3_XS.gguf	IQ3_XS	13.70GB	false	質量較低，新方法，性能不錯，略優於Q3_K_S。
Qwen3-32B-Q2_K_L.gguf	Q2_K_L	13.10GB	false	對嵌入和輸出權重使用Q8_0。質量非常低，但出人意料地可用。
Qwen3-32B-IQ3_XXS.gguf	IQ3_XXS	12.82GB	false	質量較低，新方法，性能不錯，與Q3量化相當。
Qwen3-32B-Q2_K.gguf	Q2_K	12.34GB	false	質量非常低，但出人意料地可用。
Qwen3-32B-IQ2_M.gguf	IQ2_M	11.36GB	false	相對低質量，使用SOTA技術，出人意料地可用。
Qwen3-32B-IQ2_S.gguf	IQ2_S	10.51GB	false	低質量，使用SOTA技術，可用。
Qwen3-32B-IQ2_XS.gguf	IQ2_XS	9.95GB	false	低質量，使用SOTA技術，可用。
Qwen3-32B-IQ2_XXS.gguf	IQ2_XXS	9.02GB	false	質量非常低，使用SOTA技術，可用。

嵌入/輸出權重

部分量化類型（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。

ARM/AVX信息

以前，你會下載Q4_0_4_4/4_8/8_8，這些權重在內存中交錯排列，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權重重打包中受益，它將自動即時進行重打包。

從llama.cpp構建 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，感謝此PR，它也會為ARM重打包權重，不過目前僅適用於4_4。加載時間可能會較慢，但總體速度會提高。

選擇哪個文件？

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

如果你希望模型儘可能快地運行，你需要將整個模型放入GPU的顯存中。選擇一個文件大小比GPU總顯存小1 - 2GB的量化模型。

如果你追求絕對的最高質量，將系統內存和GPU顯存相加，然後選擇一個文件大小比該總和小1 - 2GB的量化模型。

接下來，你需要決定是使用“I-quant”還是“K-quant”。

如果你不想考慮太多，可以選擇K-quant。這些模型的格式為“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

但基本上，如果你目標是低於Q4的量化，並且你使用的是cuBLAS（Nvidia）或rocBLAS（AMD），你應該考慮I-quant。這些模型的格式為IQX_X，如IQ3_M。這些是較新的量化方法，在相同大小下提供更好的性能。

這些I-quant也可以在CPU上使用，但比同等的K-quant慢，因此你需要在速度和性能之間做出權衡。

🔧 技術細節

在線重打包

以前，為了提高ARM和AVX機器的性能，會下載Q4_0_4_4/4_8/8_8文件，這些文件的權重在內存中交錯排列，以便一次加載更多數據。現在，有了“在線重打包”的概念，詳情見此PR。如果你使用Q4_0，並且硬件適合重打包權重，它會自動即時進行重打包。從llama.cpp構建 b4282 開始，不能再運行Q4_0_X_X文件，而應使用Q4_0。此外，藉助此PR，可以使用IQ4_NL獲得稍好的質量，它也會為ARM重打包權重（目前僅適用於4_4），加載時間可能較慢，但總體速度會提高。

性能基準測試

在AVX2系統（EPYC7702）上的基準測試表明，Q4_0_8_8在提示處理方面有顯著提升，在文本生成方面也有小幅提升。具體數據如下：

模型	大小	參數	後端	線程數	測試類型	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%