Mistralai Devstral Small 2505 GGUF

🚀 MistralAI的Devstral - Small - 2505的Llamacpp imatrix量化版本

本項目是MistralAI的Devstral - Small - 2505模型的量化版本，藉助特定工具和方法實現了不同量化格式，支持多語言，可在多種環境下運行，為用戶提供了多樣化的選擇。

🚀 快速開始

模型創建

本量化模型使用Unsloth的轉換方法創建（非常感謝其上傳該方法），具體可參考：[https://huggingface.co/unsloth/Devstral - Small - 2505](https://huggingface.co/unsloth/Devstral - Small - 2505)。使用 llama.cpp 發佈版本 b5432 進行量化。原始模型可訪問：[https://huggingface.co/mistralai/Devstral - Small - 2505](https://huggingface.co/mistralai/Devstral - Small - 2505)。所有量化均使用imatrix選項，並採用來自 此處 的數據集。

運行方式

• 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

視覺支持

感謝ngxson的貢獻，他展示了Mistral Small 3.1的原始mmproj與Devstral Small無縫兼容，因此這裡提供了用於視覺應用的mmproj文件。需要注意的是，這並非官方支持，可能無法完美運行，但在實踐中似乎是可行的。

多語言支持

支持多種語言，包括英語（en）、法語（fr）、德語（de）、西班牙語（es）、葡萄牙語（pt）、意大利語（it）、日語（ja）、韓語（ko）、俄語（ru）、中文（zh）、阿拉伯語（ar）、波斯語（fa）、印尼語（id）、馬來語（ms）、尼泊爾語（ne）、波蘭語（pl）、羅馬尼亞語（ro）、塞爾維亞語（sr）、瑞典語（sv）、土耳其語（tr）、烏克蘭語（uk）、越南語（vi）、印地語（hi）和孟加拉語（bn）。

📦 安裝指南

安裝huggingface - cli

首先，確保你已安裝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/mistralai_Devstral - Small - 2505 - GGUF --include "mistralai_Devstral - Small - 2505 - Q4_K_M.gguf" --local - dir ./

下載大模型（大於50GB）

如果模型大於50GB，它會被分割成多個文件。要將它們全部下載到本地文件夾，請運行：

huggingface-cli download bartowski/mistralai_Devstral - Small - 2505 - GGUF --include "mistralai_Devstral - Small - 2505 - Q8_0/*" --local - dir ./

你可以指定一個新的本地目錄（如mistralai_Devstral - Small - 2505 - 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

<s>[SYSTEM_PROMPT]{system_prompt}[/SYSTEM_PROMPT][INST]{prompt}[/INST]

📚 詳細文檔

下載文件選擇

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，而非通常的默認值。

ARM/AVX信息

以前，你會下載Q4_0_4_4/4_8/8_8，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。

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，感謝 此PR，它也會為ARM重新打包權重，不過目前僅支持4_4。加載時間可能會更長，但總體速度會提高。

如何選擇文件

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，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 - 量化版本也可在CPU上使用，但比相應的K - 量化版本慢，因此你需要在速度和性能之間做出權衡。

🔧 技術細節

隱私政策

如果你想了解我們如何處理你的個人數據，請閱讀我們的 隱私政策。

許可證

本項目採用Apache 2.0許可證。

📄 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)