Infly Inf O1 Pi0 GGUF

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/infly_inf-o1-pi0-GGUF --include "infly_inf-o1-pi0-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/infly_inf-o1-pi0-GGUF --include "infly_inf-o1-pi0-Q8_0/*" --local-dir ./

你可以指定一個新的本地目錄（如 infly_inf-o1-pi0-Q8_0），也可以將它們全部下載到當前目錄（./）。

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 可能帶來的理論性能提升。

Artefact2 提供了一份很棒的帶有圖表的文章，展示了各種性能，鏈接為 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）。

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。

如果你追求絕對的最高質量，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。這些版本的格式為 '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 的量化版本，並且你使用的是 cuBLAS（Nvidia）或 rocBLAS（AMD），你應該考慮 I - 量化版本。這些版本的格式為 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，但比相應的 K - 量化版本慢，所以你需要在速度和性能之間做出權衡。