Openbuddy OpenBuddy R1 0528 Distill Qwen3 32B Preview0 QAT GGUF

🚀 OpenBuddy-R1-0528-Distill-Qwen3-32B-Preview0-QAT的Llamacpp imatrix量化版本

本項目是OpenBuddy-R1-0528-Distill-Qwen3-32B-Preview0-QAT的量化版本，藉助量化技術可以在不同硬件條件下更高效地運行模型。

基本信息

🚀 快速開始

使用 llama.cpp 的 b5627 版本進行量化。

• 原始模型地址：https://huggingface.co/OpenBuddy/OpenBuddy-R1-0528-Distill-Qwen3-32B-Preview0-QAT
• 所有量化模型均使用 imatrix 選項和來自 此處 的數據集生成。

運行方式

• 在 LM Studio 中運行。
• 直接使用 llama.cpp 或任何基於 llama.cpp 的項目運行。

✨ 主要特性

提示格式

<|role|>system<|says|>{system_prompt}<|end|>
<|role|>user<|says|>{prompt}<|end|>
<|role|>assistant<|says|>

📦 安裝指南

使用huggingface-cli下載

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/OpenBuddy_OpenBuddy-R1-0528-Distill-Qwen3-32B-Preview0-QAT-GGUF --include "OpenBuddy_OpenBuddy-R1-0528-Distill-Qwen3-32B-Preview0-QAT-Q4_K_M.gguf" --local-dir ./

如果模型文件大於 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，可以運行：

huggingface-cli download bartowski/OpenBuddy_OpenBuddy-R1-0528-Distill-Qwen3-32B-Preview0-QAT-GGUF --include "OpenBuddy_OpenBuddy-R1-0528-Distill-Qwen3-32B-Preview0-QAT-Q8_0/*" --local-dir ./

你可以指定一個新的本地目錄（如 OpenBuddy_OpenBuddy-R1-0528-Distill-Qwen3-32B-Preview0-QAT-Q8_0），也可以將它們全部下載到當前目錄（./）。

💻 使用示例

下載文件

從以下表格中選擇並下載單個文件（而非整個分支）：

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。

ARM/AVX 信息

以前，你可能會下載 Q4_0_4_4/4_8/8_8 量化模型，這些模型的權重在內存中交錯排列，以通過一次加載更多數據來提高 ARM 和 AVX 機器的性能。

現在，有了所謂的權重“在線重新打包”功能，詳情見 此 PR。如果你使用 Q4_0 量化模型，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，如果你想獲得略高的質量，可以使用 IQ4_NL，這得益於 此 PR，它也會為 ARM 重新打包權重，不過目前僅支持 4_4 格式。加載時間可能會更長，但總體速度會提高。

Q4_0_8_8 在提示處理方面有顯著提升，在文本生成方面有小幅提升。

如何選擇文件

📚 詳細文檔

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/輸出實驗方面的啟發。
• 感謝 LM Studio 對本項目的贊助。

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

📄 許可證

本項目採用 apache-2.0 許可證。