72B Qwen2.5 Kunou V1 GGUF

🚀 72B-Qwen2.5-Kunou-v1量化模型

本項目提供了72B-Qwen2.5-Kunou-v1模型的量化版本，使用特定工具和方法進行量化處理，方便不同硬件條件下的使用。通過選擇合適的量化類型，用戶可以在性能和質量之間取得平衡。

🚀 快速開始

運行環境

可以在 LM Studio 中運行這些量化模型。

提示格式

<|im_start|>system
{system_prompt}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant

✨ 主要特性

• 多種量化類型：提供了豐富的量化類型供用戶選擇，如Q8_0、Q6_K、Q5_K_M等，以滿足不同的性能和質量需求。
• ARM優化：部分量化類型針對ARM芯片進行了優化，可顯著提升運行速度。
• 在線重新打包：通過特定的PR努力，支持在線重新打包權重，方便在ARM設備上使用。

📦 安裝指南

安裝huggingface-cli

首先，確保你已經安裝了huggingface-cli：

pip install -U "huggingface_hub[cli]"

下載單個文件

如果你想下載單個文件，可以使用以下命令：

huggingface-cli download bartowski/72B-Qwen2.5-Kunou-v1-GGUF --include "72B-Qwen2.5-Kunou-v1-Q4_K_M.gguf" --local-dir ./

下載拆分文件

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

huggingface-cli download bartowski/72B-Qwen2.5-Kunou-v1-GGUF --include "72B-Qwen2.5-Kunou-v1-Q8_0/*" --local-dir ./

你可以指定一個新的本地目錄（如72B-Qwen2.5-Kunou-v1-Q8_0），也可以將它們全部下載到當前目錄（./）。

💻 使用示例

基礎用法

按照上述提示格式，在 LM Studio 中加載相應的量化模型文件，即可開始使用。

📚 詳細文檔

量化模型下載列表

嵌入/輸出權重說明

部分量化類型（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。

Q4_0_X_X信息

新特性：由於 此PR 中為在線重新打包權重所做的努力，如果你為ARM設備編譯了llama.cpp，現在可以直接使用Q4_0。

同樣，如果你想獲得稍好的性能，可以使用IQ4_NL，這得益於 此PR，它也會為ARM重新打包權重，不過目前僅支持4_4。加載時間可能會較慢，但總體速度會提高。

這些量化類型不適用於Metal（蘋果）或GPU（英偉達/AMD/英特爾）卸載，僅適用於ARM芯片（以及某些AVX2/AVX512 CPU）。

如果你使用的是ARM芯片，Q4_0_X_X量化類型將顯著提升速度。查看 原始拉取請求 上的Q4_0_4_4速度比較。

要檢查哪種量化類型最適合你的ARM芯片，可以查看 AArch64 SoC特性（感謝EloyOn！）。

如果你使用的是支持AVX2或AVX512的CPU（通常是服務器CPU和AMD最新的Zen5 CPU），並且不進行GPU卸載，Q4_0_8_8也可能提供不錯的速度：

如何選擇文件

一篇帶有圖表展示各種性能的優秀文章由Artefact2提供，點擊查看

首先，你需要確定可以運行的模型大小。為此，你需要了解系統的RAM和/或VRAM容量。

如果你希望模型運行速度儘可能快，應選擇文件大小比GPU總VRAM小1 - 2GB的量化類型，以確保整個模型能放入GPU的VRAM中。

如果你追求絕對最高質量，可以將系統RAM和GPU的VRAM相加，然後選擇文件大小比該總和小1 - 2GB的量化類型。

接下來，你需要決定是使用'I-quant'還是'K-quant'。

如果你不想過多思考，選擇K-quant即可。這些量化類型的格式為'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Q4以下的量化類型，並且使用的是cuBLAS（英偉達）或rocBLAS（AMD），應該考慮I-quant。這些量化類型的格式為IQX_X，如IQ3_M。它們是較新的類型，在相同大小下性能更好。

這些I-quant也可以在CPU和蘋果Metal上使用，但比相應的K-quant慢，因此你需要在速度和性能之間做出權衡。

I-quant與Vulcan不兼容，Vulcan也是AMD的技術，因此如果你使用的是AMD顯卡，請仔細檢查你使用的是rocBLAS版本還是Vulcan版本。在撰寫本文時，LM Studio有一個支持ROCm的預覽版，其他推理引擎也有針對ROCm的特定版本。

🔧 技術細節

本項目使用 llama.cpp 的 b4273版本 進行量化。原始模型可從 這裡 獲取。所有量化均使用imatrix選項和 此數據集 完成。

📄 許可證

本項目使用Qwen許可證，許可證鏈接：https://huggingface.co/Qwen/Qwen2.5-72B-Instruct/blob/main/LICENSE

致謝

感謝kalomaze和Dampf協助創建imatrix校準數據集。

感謝ZeroWw在嵌入/輸出實驗方面的啟發。

如果你想支持我的工作，請訪問我的ko-fi頁面：https://ko-fi.com/bartowski