開源Facebook KernelLLM-GGUF大語言模型 - 多量化適配不同硬件需求

首頁

Facebook KernelLLM GGUF

由bartowski開發

KernelLLM是Facebook開發的大語言模型，此版本為使用llama.cpp工具進行imatrix量化的版本，提供多種量化選項以適應不同硬件需求。

大型語言模型開源協議:其他 #多量化版本 #低資源部署 #高效推理

下載量 5,151

發布時間 : 5/19/2025

模型概述

基於Facebook KernelLLM模型的量化版本，支持多種量化級別，適用於文本生成任務，可在LM Studio或llama.cpp環境中運行。

模型特點

多種量化選項

提供從BF16到Q2_K的多種量化級別，滿足不同硬件和性能需求。

imatrix量化

使用imatrix選項進行量化，提高了量化質量。

嵌入/輸出權重優化

部分量化版本對嵌入和輸出權重使用Q8_0量化，提高關鍵部分的質量。

ARM/AVX優化

支持在線重打包技術，優化在ARM和AVX設備上的性能。

模型能力

文本生成

支持多種量化級別

硬件適應性優化

使用案例

通用文本生成

對話系統

可用於構建對話系統，生成自然語言響應。

內容創作

輔助進行各種文本內容創作，如文章、故事等。

🚀 Meta公司KernelLLM模型的Llamacpp imatrix量化版本

本項目是Meta公司KernelLLM模型的量化版本，使用 llama.cpp 發佈版本 b5415 進行量化。該項目可以幫助用戶在不同硬件條件下更高效地運行KernelLLM模型。

🔍 基本信息

屬性	詳情
量化者	bartowski
任務類型	文本生成
基礎模型	facebook/KernelLLM
訓練數據集	ScalingIntelligence/KernelBench
許可證	other
基礎模型關係	量化版本

🚀 快速開始

原始模型：https://huggingface.co/facebook/KernelLLM
量化方式：所有量化版本均使用imatrix選項，並採用此處的數據集。
運行方式：
- 可以在 LM Studio 中運行。
- 也可以直接使用 llama.cpp 或任何基於llama.cpp的項目運行。

💬 提示格式

<|begin_of_text|><|start_header_id|>system<|end_header_id|>

{system_prompt}<|eot_id|><|start_header_id|>user<|end_header_id|>

{prompt}<|eot_id|><|start_header_id|>assistant<|end_header_id|>

📥 文件下載

可以從以下表格中選擇需要的文件進行下載：

文件名	量化類型	文件大小	分割情況	描述
KernelLLM-bf16.gguf	bf16	16.07GB	false	完整的BF16權重。
KernelLLM-Q8_0.gguf	Q8_0	8.54GB	false	極高質量，通常不需要，但為最大可用量化。
KernelLLM-Q6_K_L.gguf	Q6_K_L	6.85GB	false	嵌入和輸出權重使用Q8_0。非常高質量，接近完美，推薦。
KernelLLM-Q6_K.gguf	Q6_K	6.60GB	false	非常高質量，接近完美，推薦。
KernelLLM-Q5_K_L.gguf	Q5_K_L	6.06GB	false	嵌入和輸出權重使用Q8_0。高質量，推薦。
KernelLLM-Q5_K_M.gguf	Q5_K_M	5.73GB	false	高質量，推薦。
KernelLLM-Q5_K_S.gguf	Q5_K_S	5.60GB	false	高質量，推薦。
KernelLLM-Q4_K_L.gguf	Q4_K_L	5.31GB	false	嵌入和輸出權重使用Q8_0。質量良好，推薦。
KernelLLM-Q4_1.gguf	Q4_1	5.13GB	false	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。
KernelLLM-Q4_K_M.gguf	Q4_K_M	4.92GB	false	質量良好，是大多數用例的默認大小，推薦。
KernelLLM-Q3_K_XL.gguf	Q3_K_XL	4.78GB	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。
KernelLLM-Q4_K_S.gguf	Q4_K_S	4.69GB	false	質量略低，但節省空間，推薦。
KernelLLM-Q4_0.gguf	Q4_0	4.68GB	false	舊格式，可在線重新打包以用於ARM和AVX CPU推理。
KernelLLM-IQ4_NL.gguf	IQ4_NL	4.68GB	false	與IQ4_XS相似，但略大。可在線重新打包以用於ARM CPU推理。
KernelLLM-IQ4_XS.gguf	IQ4_XS	4.45GB	false	質量不錯，比Q4_K_S小且性能相似，推薦。
KernelLLM-Q3_K_L.gguf	Q3_K_L	4.32GB	false	質量較低但可用，適合低內存情況。
KernelLLM-Q3_K_M.gguf	Q3_K_M	4.02GB	false	低質量。
KernelLLM-IQ3_M.gguf	IQ3_M	3.78GB	false	中低質量，新方法，性能與Q3_K_M相當。
KernelLLM-Q2_K_L.gguf	Q2_K_L	3.69GB	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。
KernelLLM-Q3_K_S.gguf	Q3_K_S	3.66GB	false	低質量，不推薦。
KernelLLM-IQ3_XS.gguf	IQ3_XS	3.52GB	false	質量較低，新方法，性能不錯，略優於Q3_K_S。
KernelLLM-IQ3_XXS.gguf	IQ3_XXS	3.27GB	false	質量較低，新方法，性能不錯，與Q3量化相當。
KernelLLM-Q2_K.gguf	Q2_K	3.18GB	false	質量非常低，但出人意料地可用。
KernelLLM-IQ2_M.gguf	IQ2_M	2.95GB	false	質量相對較低，使用了最先進的技術，出人意料地可用。

📥 使用huggingface-cli下載

點擊查看下載說明

首先，確保你已經安裝了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/facebook_KernelLLM-GGUF --include "facebook_KernelLLM-Q4_K_M.gguf" --local-dir ./

如果模型大於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/facebook_KernelLLM-GGUF --include "facebook_KernelLLM-Q8_0/*" --local-dir ./

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

💻 ARM/AVX信息

以前，你會下載Q4_0_4_4/4_8/8_8，這些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，並且你的硬件可以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，如果你想獲得略好的質量，可以使用IQ4_NL，這得益於此PR，它也會為ARM重新打包權重，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功能的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	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%