Gryphe Codex 24B Small 3.2 GGUF

首先，確保你已安裝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/Gryphe_Codex-24B-Small-3.2-GGUF --include "Gryphe_Codex-24B-Small-3.2-Q4_K_M.gguf" --local-dir ./

如果模型大於50GB，它將被拆分為多個文件。要將它們全部下載到本地文件夾，請運行：

huggingface-cli download bartowski/Gryphe_Codex-24B-Small-3.2-GGUF --include "Gryphe_Codex-24B-Small-3.2-Q8_0/*" --local-dir ./

你可以指定一個新的本地目錄（如Gryphe_Codex-24B-Small-3.2-Q8_0），也可以將它們全部下載到當前目錄（./）。

我保留這部分內容是為了展示使用支持在線重新打包的Q4_0在性能上的潛在理論提升。

Artefact2 提供了一篇很棒的文章，帶有展示各種性能的圖表，點擊查看

首先，你需要確定可以運行的模型大小。為此，你需要了解自己擁有的內存（RAM）和/或顯存（VRAM）容量。

如果你希望模型儘可能快地運行，你需要將整個模型加載到GPU的顯存中。選擇文件大小比GPU總顯存小1 - 2GB的量化版本。

如果你追求絕對最高質量，可以將系統內存和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-quant”還是“K-quant”。

如果你不想考慮太多，可以選擇K-quant。這些量化版本的格式為“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以下的量化版本，並且使用cuBLAS（Nvidia）或rocBLAS（AMD），你應該考慮I-quant。這些量化版本的格式為IQX_X，如IQ3_M。它們是較新的版本，在相同大小下性能更好。

這些I-quant也可以在CPU上使用，但比對應的K-quant慢，因此你需要在速度和性能之間進行權衡。