zed-industries_zeta-GGUF開源模型 - 多種量化可選，適配不同硬件高效運行

首頁

Zed Industries Zeta GGUF

由bartowski開發

這是對zed-industries的zeta模型進行的Llamacpp imatrix量化版本，解決了在不同硬件條件下高效運行模型的問題，提供了多種量化類型供用戶選擇。

大型語言模型開源協議:Apache-2.0 #高效量化推理 #多硬件適配 #低內存優化

下載量 561

發布時間 : 2/14/2025

模型概述

該項目提供了zeta模型的多種量化版本，旨在平衡模型質量和資源佔用，支持在不同硬件環境下高效運行。

模型特點

多種量化類型

提供了豐富的量化類型，如f16、Q8_0、Q6_K_L等，滿足不同用戶對模型質量和資源佔用的需求。

在線重打包

部分量化版本支持在線重打包功能，可自動優化權重以提高在ARM和AVX機器上的性能。

詳細文檔

提供了下載說明、ARM/AVX信息以及選擇合適量化文件的建議，方便用戶使用。

模型能力

文本生成

高效推理

多硬件支持

使用案例

文本生成

基礎文本生成

使用LM Studio或llama.cpp運行模型進行文本生成。

🚀 zed-industries的zeta模型Llamacpp imatrix量化版本

本項目是對zed-industries的zeta模型進行的Llamacpp imatrix量化版本。主要解決了在不同硬件條件下高效運行模型的問題，提供了多種量化類型供用戶根據自身需求選擇，以平衡模型質量和資源佔用。

🚀 快速開始

使用 llama.cpp 版本 b4688 進行量化。原始模型地址：https://huggingface.co/zed-industries/zeta 所有量化版本均使用imatrix選項，並採用來自此處的數據集。

你可以在 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

多種量化類型：提供了豐富的量化類型，如f16、Q8_0、Q6_K_L等，滿足不同用戶對模型質量和資源佔用的需求。
在線重打包：部分量化版本支持在線重打包功能，可自動優化權重以提高在ARM和AVX機器上的性能。
詳細文檔：提供了下載說明、ARM/AVX信息以及選擇合適量化文件的建議，方便用戶使用。

📦 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，你可以指定要下載的特定文件：

huggingface-cli download bartowski/zed-industries_zeta-GGUF --include "zed-industries_zeta-Q4_K_M.gguf" --local-dir ./

如果模型大小超過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，請運行：

huggingface-cli download bartowski/zed-industries_zeta-GGUF --include "zed-industries_zeta-Q8_0/*" --local-dir ./

你可以指定一個新的本地目錄（如zed-industries_zeta-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

在LM Studio中運行模型：

打開LM Studio。
導入相應的量化模型文件（如zed-industries_zeta-Q4_K_M.gguf）。
開始使用模型進行文本生成。

高級用法

使用llama.cpp直接運行模型：

# 假設你已經下載了相應的量化模型文件
./main -m zed-industries_zeta-Q4_K_M.gguf -p "你的輸入文本"

📚 詳細文檔

提示格式

未找到提示格式，請查看原始模型頁面。

下載文件

文件名	量化類型	文件大小	分割情況	描述
zeta-f16.gguf	f16	15.24GB	false	完整的F16權重。
zeta-Q8_0.gguf	Q8_0	8.10GB	false	極高質量，通常不需要，但為最大可用量化。
zeta-Q6_K_L.gguf	Q6_K_L	6.52GB	false	嵌入和輸出權重使用Q8_0。非常高質量，接近完美，推薦。
zeta-Q6_K.gguf	Q6_K	6.25GB	false	非常高質量，接近完美，推薦。
zeta-Q5_K_L.gguf	Q5_K_L	5.78GB	false	嵌入和輸出權重使用Q8_0。高質量，推薦。
zeta-Q5_K_M.gguf	Q5_K_M	5.44GB	false	高質量，推薦。
zeta-Q5_K_S.gguf	Q5_K_S	5.32GB	false	高質量，推薦。
zeta-Q4_K_L.gguf	Q4_K_L	5.09GB	false	嵌入和輸出權重使用Q8_0。質量良好，推薦。
zeta-Q4_1.gguf	Q4_1	4.87GB	false	舊格式，性能與Q4_K_S相似，但在Apple硅芯片上的每瓦令牌數有所提高。
zeta-Q4_K_M.gguf	Q4_K_M	4.68GB	false	質量良好，是大多數用例的默認大小，推薦。
zeta-Q3_K_XL.gguf	Q3_K_XL	4.57GB	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。
zeta-Q4_K_S.gguf	Q4_K_S	4.46GB	false	質量略低，但節省空間，推薦。
zeta-Q4_0.gguf	Q4_0	4.44GB	false	舊格式，可在線重新打包以用於ARM和AVX CPU推理。
zeta-IQ4_NL.gguf	IQ4_NL	4.44GB	false	與IQ4_XS相似，但略大。可在線重新打包以用於ARM CPU推理。
zeta-IQ4_XS.gguf	IQ4_XS	4.22GB	false	質量不錯，比Q4_K_S小，性能相似，推薦。
zeta-Q3_K_L.gguf	Q3_K_L	4.09GB	false	質量較低但可用，適合低內存情況。
zeta-Q3_K_M.gguf	Q3_K_M	3.81GB	false	質量低。
zeta-IQ3_M.gguf	IQ3_M	3.57GB	false	中低質量，新方法，性能與Q3_K_M相當。
zeta-Q2_K_L.gguf	Q2_K_L	3.55GB	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。
zeta-Q3_K_S.gguf	Q3_K_S	3.49GB	false	質量低，不推薦。
zeta-IQ3_XS.gguf	IQ3_XS	3.35GB	false	質量較低，新方法，性能不錯，略優於Q3_K_S。
zeta-IQ3_XXS.gguf	IQ3_XXS	3.11GB	false	質量較低，新方法，性能不錯，與Q3量化相當。
zeta-Q2_K.gguf	Q2_K	3.02GB	false	質量非常低，但出人意料地可用。
zeta-IQ2_M.gguf	IQ2_M	2.78GB	false	質量相對較低，使用了最先進的技術，出人意料地可用。

嵌入/輸出權重

部分量化版本（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，並且你的硬件能從重新打包權重中受益，它會自動即時進行處理。

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，感謝此PR，它也會為ARM重新打包權重，不過目前僅適用於4_4。加載時間可能會較慢，但總體速度會提高。

選擇哪個文件？

Artefact2 在此處提供了一份很棒的文檔，帶有展示各種性能的圖表。

首先，你需要確定你能運行多大的模型。為此，你需要了解你有多少內存（RAM）和/或顯存（VRAM）。

如果你希望模型運行得儘可能快，你需要將整個模型裝入GPU的顯存中。選擇一個文件大小比GPU總顯存小1 - 2GB的量化版本。

如果你追求絕對最高質量，將系統內存和GPU顯存相加，然後選擇一個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”。

如果你不想考慮太多，選擇一個K量化版本。這些版本的格式為“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功能圖表： llama.cpp功能矩陣

但基本上，如果你目標是低於Q4的量化，並且你使用的是cuBLAS（Nvidia）或rocBLAS（AMD），你應該考慮I量化版本。這些版本的格式為IQX_X，如IQ3_M。它們是較新的版本，在相同大小下提供更好的性能。

這些I量化版本也可以在CPU和Apple Metal上使用，但比相應的K量化版本慢，所以你需要在速度和性能之間做出權衡。

I量化版本不與Vulcan兼容，Vulcan也是AMD的，所以如果你有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

Q4_0_X_X信息（已棄用）

保留此部分是為了展示使用帶有在線重新打包功能的Q4_0在理論上可能的性能提升。

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%