andrewzh_Absolute_Zero_Reasoner-Coder-7b-GGUF開源模型 - 免費部署助力推理與代碼生成

首頁

Andrewzh Absolute Zero Reasoner Coder 7b GGUF

由bartowski開發

基於andrewzh的Absolute_Zero_Reasoner-Coder-7b模型的Llamacpp量化版本，支持多種量化級別，適用於推理和代碼生成任務。

大型語言模型 #推理編程 #高效量化 #代碼生成

下載量 1,325

發布時間 : 5/11/2025

模型概述

這是一個7B參數規模的推理與代碼生成模型，經過llama.cpp工具量化後可在消費級硬件上高效運行。

模型特點

多級量化選項

提供從Q2_K到Q8_0共22種量化級別，滿足不同硬件條件下的推理需求

imatrix優化

所有量化版本均採用imatrix選項優化，提高量化後的模型質量

廣泛兼容性

支持LM Studio、llama.cpp及兼容項目運行，跨平臺部署

嵌入優化

部分量化版本對嵌入和輸出權重採用Q8_0量化，提高關鍵部分精度

模型能力

文本生成

代碼生成

推理任務

自然語言理解

使用案例

編程輔助

代碼自動補全

根據上下文提示生成代碼片段

代碼解釋

解釋複雜代碼的功能和邏輯

文本生成

內容創作

生成技術文檔或文章

🚀 Absolute_Zero_Reasoner-Coder-7b的Llamacpp imatrix量化版本

本項目是對andrewzh的Absolute_Zero_Reasoner-Coder-7b模型進行量化處理。通過量化，能在不同硬件條件下更高效地運行模型，滿足多樣化的使用需求。

🚀 快速開始

使用 llama.cpp 版本 b5338 進行量化。原始模型地址：https://huggingface.co/andrewzh/Absolute_Zero_Reasoner-Coder-7b

所有量化模型均使用imatrix選項，並採用此處的數據集。

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

{system_prompt}
{prompt}

下載文件

你可以從以下表格中選擇並下載所需的文件（非整個分支）：

文件名	量化類型	文件大小	拆分情況	描述
Absolute_Zero_Reasoner-Coder-7b-bf16.gguf	bf16	15.24GB	否	完整的BF16權重。
Absolute_Zero_Reasoner-Coder-7b-Q8_0.gguf	Q8_0	8.10GB	否	極高質量，通常不需要，但為最大可用量化。
Absolute_Zero_Reasoner-Coder-7b-Q6_K_L.gguf	Q6_K_L	6.52GB	否	嵌入和輸出權重使用Q8_0。非常高質量，接近完美，推薦。
Absolute_Zero_Reasoner-Coder-7b-Q6_K.gguf	Q6_K	6.25GB	否	非常高質量，接近完美，推薦。
Absolute_Zero_Reasoner-Coder-7b-Q5_K_L.gguf	Q5_K_L	5.78GB	否	嵌入和輸出權重使用Q8_0。高質量，推薦。
Absolute_Zero_Reasoner-Coder-7b-Q5_K_M.gguf	Q5_K_M	5.44GB	否	高質量，推薦。
Absolute_Zero_Reasoner-Coder-7b-Q5_K_S.gguf	Q5_K_S	5.32GB	否	高質量，推薦。
Absolute_Zero_Reasoner-Coder-7b-Q4_K_L.gguf	Q4_K_L	5.09GB	否	嵌入和輸出權重使用Q8_0。質量良好，推薦。
Absolute_Zero_Reasoner-Coder-7b-Q4_1.gguf	Q4_1	4.87GB	否	舊格式，性能與Q4_K_S相似，但在Apple硅芯片上每瓦令牌數有所提高。
Absolute_Zero_Reasoner-Coder-7b-Q4_K_M.gguf	Q4_K_M	4.68GB	否	質量良好，大多數用例的默認大小，推薦。
Absolute_Zero_Reasoner-Coder-7b-Q3_K_XL.gguf	Q3_K_XL	4.57GB	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。
Absolute_Zero_Reasoner-Coder-7b-Q4_K_S.gguf	Q4_K_S	4.46GB	否	質量略低但節省空間，推薦。
Absolute_Zero_Reasoner-Coder-7b-Q4_0.gguf	Q4_0	4.44GB	否	舊格式，支持ARM和AVX CPU推理的在線重新打包。
Absolute_Zero_Reasoner-Coder-7b-IQ4_NL.gguf	IQ4_NL	4.44GB	否	與IQ4_XS相似，但略大。支持ARM CPU推理的在線重新打包。
Absolute_Zero_Reasoner-Coder-7b-IQ4_XS.gguf	IQ4_XS	4.22GB	否	質量不錯，比Q4_K_S小且性能相似，推薦。
Absolute_Zero_Reasoner-Coder-7b-Q3_K_L.gguf	Q3_K_L	4.09GB	否	質量較低但可用，適合低內存情況。
Absolute_Zero_Reasoner-Coder-7b-Q3_K_M.gguf	Q3_K_M	3.81GB	否	質量較低。
Absolute_Zero_Reasoner-Coder-7b-IQ3_M.gguf	IQ3_M	3.57GB	否	中低質量，新方法，性能與Q3_K_M相當。
Absolute_Zero_Reasoner-Coder-7b-Q2_K_L.gguf	Q2_K_L	3.55GB	否	嵌入和輸出權重使用Q8_0。質量非常低但意外可用。
Absolute_Zero_Reasoner-Coder-7b-Q3_K_S.gguf	Q3_K_S	3.49GB	否	質量較低，不推薦。
Absolute_Zero_Reasoner-Coder-7b-IQ3_XS.gguf	IQ3_XS	3.35GB	否	質量較低，新方法，性能不錯，略優於Q3_K_S。
Absolute_Zero_Reasoner-Coder-7b-IQ3_XXS.gguf	IQ3_XXS	3.11GB	否	質量較低，新方法，性能不錯，與Q3量化相當。
Absolute_Zero_Reasoner-Coder-7b-Q2_K.gguf	Q2_K	3.02GB	否	質量非常低但意外可用。
Absolute_Zero_Reasoner-Coder-7b-IQ2_M.gguf	IQ2_M	2.78GB	否	質量相對較低，使用了最先進的技術，意外可用。

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/andrewzh_Absolute_Zero_Reasoner-Coder-7b-GGUF --include "andrewzh_Absolute_Zero_Reasoner-Coder-7b-Q4_K_M.gguf" --local-dir ./

如果模型大於50GB，它將被拆分為多個文件。要將它們全部下載到本地文件夾，請運行：

huggingface-cli download bartowski/andrewzh_Absolute_Zero_Reasoner-Coder-7b-GGUF --include "andrewzh_Absolute_Zero_Reasoner-Coder-7b-Q8_0/*" --local-dir ./

你可以指定一個新的本地目錄（如andrewzh_Absolute_Zero_Reasoner-Coder-7b-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，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，並且你的硬件能從權重重新打包中受益，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，如果你想獲得更好的質量，可以使用IQ4_NL，詳情見此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	每秒令牌數	與Q4_0相比
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%