Delta Vector Austral 24B Winton GGUF

🚀 Delta-Vector的Austral-24B-Winton的Llamacpp imatrix量化版本

本項目是Delta-Vector的Austral-24B-Winton模型的量化版本，使用特定工具和方法對原模型進行量化處理，以滿足不同場景下的使用需求，如在不同硬件配置上高效運行等。

🚀 快速開始

本量化版本使用 llama.cpp 發佈版本 b5669 進行量化。

• 原模型地址：https://huggingface.co/Delta-Vector/Austral-24B-Winton
• 所有量化模型均使用imatrix選項，並採用來自 此處 的數據集。

可以在 LM Studio 中運行這些量化模型，也可以直接使用 llama.cpp 或任何基於llama.cpp的項目來運行。

✨ 主要特性

• 多量化類型：提供了多種不同的量化類型，如bf16、Q8_0、Q6_K_L等，以滿足不同的質量和性能需求。
• 在線重打包：部分量化類型支持在線重打包，可根據硬件自動優化性能。
• 不同使用場景適配：針對不同的硬件配置和使用需求，提供了詳細的選擇建議。

📦 安裝指南

使用huggingface-cli下載

首先，確保你已經安裝了huggingface-cli：

pip install -U "huggingface_hub[cli]"

然後，你可以根據需要下載特定的文件：

huggingface-cli download bartowski/Delta-Vector_Austral-24B-Winton-GGUF --include "Delta-Vector_Austral-24B-Winton-Q4_K_M.gguf" --local-dir ./

如果模型大小超過50GB，它會被拆分為多個文件。要將它們全部下載到本地文件夾，請運行：

huggingface-cli download bartowski/Delta-Vector_Austral-24B-Winton-GGUF --include "Delta-Vector_Austral-24B-Winton-Q8_0/*" --local-dir ./

你可以指定一個新的本地目錄（Delta-Vector_Austral-24B-Winton-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

本模型的提示格式如下：

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

由於未指定聊天模板，因此使用默認模板。這可能不正確，請查看原模型卡片以獲取詳細信息。

高級用法

在選擇具體的量化文件時，可參考以下建議： 首先，確定你能夠運行的模型大小，這需要考慮你擁有的RAM和/或VRAM的容量。

• 如果你希望模型運行得儘可能快，應選擇文件大小比GPU總VRAM小1 - 2GB的量化版本，以將整個模型加載到GPU的VRAM中。
• 如果你追求絕對的最高質量，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”：

• 如果你不想過多考慮，建議選擇K - 量化，其格式為“QX_K_X”，例如Q5_K_M。
• 如果你想深入瞭解，可以查看 llama.cpp特性矩陣。一般來說，如果你希望使用低於Q4的量化版本，並且使用cuBLAS（Nvidia）或rocBLAS（AMD），則應考慮I - 量化，其格式為IQX_X，例如IQ3_M。這些I - 量化版本較新，在相同大小下性能更好，但在CPU上使用時會比K - 量化版本慢，因此需要在速度和性能之間進行權衡。

📚 詳細文檔

下載文件選擇

嵌入/輸出權重

部分量化版本（如Q3_K_XL、Q4_K_L等）採用了標準量化方法，但將嵌入和輸出權重量化為Q8_0，而不是通常的默認值。

ARM/AVX信息

以前，你會下載Q4_0_4_4/4_8/8_8，這些版本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，如果你希望獲得略高的質量，可以使用IQ4_NL，這得益於 此PR，它也會為ARM重新打包權重，但目前僅適用於4_4。加載時間可能會較慢，但總體速度會提高。

致謝

感謝kalomaze和Dampf協助創建imatrix校準數據集。 感謝ZeroWw啟發進行嵌入/輸出實驗。 感謝LM Studio贊助我的工作。

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

📄 許可證

本項目採用Apache - 2.0許可證。