Nvidia OpenReasoning Nemotron 14B GGUF

🚀 NVIDIA OpenReasoning-Nemotron-14B的Llamacpp imatrix量化模型

本項目是對NVIDIA的OpenReasoning-Nemotron-14B模型進行的量化處理，旨在提升模型在不同硬件上的運行效率和性能。

量化信息

🚀 快速開始

本項目使用 llama.cpp 的 b5934 版本進行量化。原始模型可在 Hugging Face 上獲取。

所有量化模型均使用 imatrix 選項，並採用 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 或其他基於 llama.cpp 的項目。

✨ 主要特性

• 多種量化類型：提供了豐富的量化類型，如 bf16、Q8_0、Q6_K_L 等，滿足不同硬件和性能需求。
• 在線重打包：部分量化模型支持在線重打包，可自動優化 ARM 和 AVX 硬件的性能。
• 高質量與高性能平衡：不同量化類型在質量和性能之間取得了良好的平衡，可根據需求選擇。

📦 安裝指南

使用 huggingface-cli 下載

首先，確保你已安裝 huggingface-cli：

pip install -U "huggingface_hub[cli]"

然後，你可以指定要下載的具體文件：

huggingface-cli download bartowski/nvidia_OpenReasoning-Nemotron-14B-GGUF --include "nvidia_OpenReasoning-Nemotron-14B-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/nvidia_OpenReasoning-Nemotron-14B-GGUF --include "nvidia_OpenReasoning-Nemotron-14B-Q8_0/*" --local-dir ./

你可以指定一個新的本地目錄（如 nvidia_OpenReasoning-Nemotron-14B-Q8_0），也可以將它們下載到當前目錄（./）。

💻 使用示例

提示格式

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

下載文件

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，你會下載 Q4_0_4_4/4_8/8_8 模型，這些模型的權重會在內存中交錯排列，以便在 ARM 和 AVX 機器上通過一次加載更多數據來提高性能。

現在，有了所謂的“在線重打包”權重功能，詳情見 此 PR。如果你使用 Q4_0 且硬件能從權重重打包中受益，它將自動即時進行重打包。

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，如果你想獲得稍好的質量，可以使用 IQ4_NL，感謝 此 PR，它也會為 ARM 重打包權重，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。

如何選擇文件

🔧 技術細節

在線重打包

Q4_0 支持在線重打包權重，可根據硬件自動優化性能。詳情見 此 PR。

性能對比

📄 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，請訪問我的 ko-fi 頁面：https://ko-fi.com/bartowski