模型概述
模型特點
模型能力
使用案例
🚀 Qwen3-30B-A3B的Llamacpp imatrix量化版本
本項目是對Qwen3-30B-A3B模型進行量化處理,使用 llama.cpp 發佈版本 b5200 進行量化操作。通過優化的量化技術,在保證模型性能的同時,有效減少了模型的存儲空間和計算資源需求,使得模型在更多設備上能夠高效運行。
基本信息
屬性 | 詳情 |
---|---|
量化者 | bartowski |
任務類型 | 文本生成 |
許可證 | apache-2.0 |
許可證鏈接 | https://huggingface.co/Qwen/Qwen3-30B-A3B/blob/main/LICENSE |
基礎模型 | Qwen/Qwen3-30B-A3B |
基礎模型關係 | 量化版本 |
原模型鏈接
https://huggingface.co/Qwen/Qwen3-30B-A3B
🚀 快速開始
所有量化模型均使用imatrix選項和來自 此處 的數據集(並補充了額外的合成數據,後續會發布)生成。你可以通過以下兩種方式運行這些量化模型:
提示格式
<|im_start|>system
{system_prompt}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant
新增內容
改進了imatrix數據集,進一步提升了模型的性能和穩定性。
📦 模型下載
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 | 分割情況 | 描述 |
---|---|---|---|---|
Qwen3-30B-A3B-bf16.gguf | bf16 | 61.10GB | true | 完整的BF16權重。 |
Qwen3-30B-A3B-Q8_0.gguf | Q8_0 | 32.48GB | false | 極高質量,通常不需要,但為可用的最高量化級別。 |
Qwen3-30B-A3B-Q6_K_L.gguf | Q6_K_L | 25.26GB | false | 嵌入和輸出權重使用Q8_0。非常高質量,接近完美,推薦。 |
Qwen3-30B-A3B-Q6_K.gguf | Q6_K | 25.10GB | false | 非常高質量,接近完美,推薦。 |
Qwen3-30B-A3B-Q5_K_L.gguf | Q5_K_L | 21.94GB | false | 嵌入和輸出權重使用Q8_0。高質量,推薦。 |
Qwen3-30B-A3B-Q5_K_M.gguf | Q5_K_M | 21.74GB | false | 高質量,推薦。 |
Qwen3-30B-A3B-Q5_K_S.gguf | Q5_K_S | 21.10GB | false | 高質量,推薦。 |
Qwen3-30B-A3B-Q4_1.gguf | Q4_1 | 19.21GB | 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。 |
Qwen3-30B-A3B-Q4_K_L.gguf | Q4_K_L | 18.86GB | false | 嵌入和輸出權重使用Q8_0。質量良好,推薦。 |
Qwen3-30B-A3B-Q4_K_M.gguf | Q4_K_M | 18.63GB | false | 質量良好,是大多數用例的默認大小,推薦。 |
Qwen3-30B-A3B-Q4_K_S.gguf | Q4_K_S | 17.98GB | false | 質量稍低,但節省更多空間,推薦。 |
Qwen3-30B-A3B-Q4_0.gguf | Q4_0 | 17.63GB | false | 舊格式,支持為ARM和AVX CPU推理進行在線重新打包。 |
Qwen3-30B-A3B-IQ4_NL.gguf | IQ4_NL | 17.39GB | false | 與IQ4_XS相似,但稍大。支持為ARM CPU推理進行在線重新打包。 |
Qwen3-30B-A3B-IQ4_XS.gguf | IQ4_XS | 16.46GB | false | 質量不錯,比Q4_K_S小,性能相似,推薦。 |
Qwen3-30B-A3B-Q3_K_XL.gguf | Q3_K_XL | 14.86GB | 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。 |
Qwen3-30B-A3B-Q3_K_L.gguf | Q3_K_L | 14.58GB | false | 質量較低但可用,適合低內存情況。 |
Qwen3-30B-A3B-Q3_K_M.gguf | Q3_K_M | 14.08GB | false | 低質量。 |
Qwen3-30B-A3B-IQ3_M.gguf | IQ3_M | 14.08GB | false | 中低質量,新方法,性能與Q3_K_M相當。 |
Qwen3-30B-A3B-Q3_K_S.gguf | Q3_K_S | 13.43GB | false | 低質量,不推薦。 |
Qwen3-30B-A3B-IQ3_XS.gguf | IQ3_XS | 12.74GB | false | 質量較低,新方法,性能不錯,略優於Q3_K_S。 |
Qwen3-30B-A3B-IQ3_XXS.gguf | IQ3_XXS | 12.22GB | false | 質量較低,新方法,性能不錯,與Q3量化相當。 |
Qwen3-30B-A3B-Q2_K_L.gguf | Q2_K_L | 11.21GB | false | 嵌入和輸出權重使用Q8_0。質量非常低,但出人意料地可用。 |
Qwen3-30B-A3B-Q2_K.gguf | Q2_K | 10.91GB | false | 質量非常低,但出人意料地可用。 |
Qwen3-30B-A3B-IQ2_M.gguf | IQ2_M | 10.43GB | false | 相對低質量,使用了最先進的技術,出人意料地可用。 |
Qwen3-30B-A3B-IQ2_S.gguf | IQ2_S | 9.22GB | false | 低質量,使用了最先進的技術,可用。 |
Qwen3-30B-A3B-IQ2_XS.gguf | IQ2_XS | 9.14GB | false | 低質量,使用了最先進的技術,可用。 |
Qwen3-30B-A3B-IQ2_XXS.gguf | IQ2_XXS | 8.15GB | false | 質量非常低,使用了最先進的技術,可用。 |
嵌入/輸出權重說明
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,而非默認設置。
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_Qwen3-30B-A3B-GGUF --include "Qwen_Qwen3-30B-A3B-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。要將它們全部下載到本地文件夾,請運行:
huggingface-cli download bartowski/Qwen_Qwen3-30B-A3B-GGUF --include "Qwen_Qwen3-30B-A3B-Q8_0/*" --local-dir ./
你可以指定一個新的本地目錄(如Qwen_Qwen3-30B-A3B-Q8_0),也可以將它們全部下載到當前目錄(./)。
🔧 技術細節
ARM/AVX信息
以前,你會下載Q4_0_4_4/4_8/8_8文件,這些文件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。
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,但目前僅適用於4_4。加載時間可能會較慢,但總體速度會提高。
點擊查看Q4_0_X_X信息(已棄用)
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。
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 | 測試類型 | 令牌/秒 | 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。
📚 如何選擇合適的文件
點擊查看詳情
Artefact2 提供了一篇很棒的文章,帶有展示各種性能的圖表,可參考 此處。
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內存(RAM)和/或顯存(VRAM)。
- 追求最快速度: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。選擇文件大小比你的GPU總顯存小1 - 2GB的量化模型。
- 追求最高質量: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的量化模型。
接下來,你需要決定是使用“I量化”還是“K量化”。
- 簡單選擇:如果你不想考慮太多,選擇K量化模型,格式為“QX_K_X”,如Q5_K_M。
- 深入瞭解:如果你想深入瞭解,可以查看這個非常有用的功能圖表:llama.cpp功能矩陣。
一般來說,如果你目標是低於Q4的量化,並且你使用cuBLAS(Nvidia)或rocBLAS(AMD),你應該考慮I量化模型,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。
I量化模型也可以在CPU上使用,但比對應的K量化模型慢,因此你需要在速度和性能之間進行權衡。
📄 許可證
本項目採用 apache-2.0 許可證。
🙏 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對本項目的贊助。
如果你想支持我的工作,請訪問我的ko-fi頁面:https://ko-fi.com/bartowski



