模型简介
模型特点
模型能力
使用案例
🚀 mlabonne的gemma - 3 - 12b - it - abliterated的Llamacpp imatrix量化
本项目使用 llama.cpp 版本 b4896 进行量化。原始模型可查看:https://huggingface.co/mlabonne/gemma - 3 - 12b - it - abliterated 。所有量化均使用 imatrix 选项,并采用来自 此处 的数据集。你可以在 LM Studio 中运行这些量化模型,也可以直接使用 llama.cpp 或任何基于 llama.cpp 的项目来运行。
🚀 快速开始
提示格式
<bos><start_of_turn>user
{system_prompt}
{prompt}<end_of_turn>
<start_of_turn>model
下载文件
你可以从下面的表格中选择下载单个文件(而非整个分支):
文件名 | 量化类型 | 文件大小 | 拆分情况 | 描述 |
---|---|---|---|---|
[mmproj - gemma - 3 - 12b - it - abliterated - f32.gguf](https://huggingface.co/bartowski/mlabonne_gemma - 3 - 12b - it - abliterated - GGUF/blob/main/mmproj - mlabonne_gemma - 3 - 12b - it - abliterated - f32.gguf) | f32 | 1.69GB | false | F32 格式的 MMPROJ 文件,视觉功能所需。 |
[mmproj - gemma - 3 - 12b - it - abliterated - f16.gguf](https://huggingface.co/bartowski/mlabonne_gemma - 3 - 12b - it - abliterated - GGUF/blob/main/mmproj - mlabonne_gemma - 3 - 12b - it - abliterated - f16.gguf) | f16 | 854MB | false | F16 格式的 MMPROJ 文件,视觉功能所需。 |
[gemma - 3 - 12b - it - abliterated - bf16.gguf](https://huggingface.co/bartowski/mlabonne_gemma - 3 - 12b - it - abliterated - GGUF/blob/main/mlabonne_gemma - 3 - 12b - it - abliterated - bf16.gguf) | bf16 | 23.54GB | false | 完整的 BF16 权重。 |
[gemma - 3 - 12b - it - abliterated - Q8_0.gguf](https://huggingface.co/bartowski/mlabonne_gemma - 3 - 12b - it - abliterated - GGUF/blob/main/mlabonne_gemma - 3 - 12b - it - abliterated - Q8_0.gguf) | Q8_0 | 12.51GB | false | 极高质量,通常不需要,但为最大可用量化。 |
[gemma - 3 - 12b - it - abliterated - Q6_K_L.gguf](https://huggingface.co/bartowski/mlabonne_gemma - 3 - 12b - it - abliterated - GGUF/blob/main/mlabonne_gemma - 3 - 12b - it - abliterated - Q6_K_L.gguf) | Q6_K_L | 9.90GB | false | 嵌入和输出权重使用 Q8_0。非常高质量,接近完美,推荐。 |
[gemma - 3 - 12b - it - abliterated - Q6_K.gguf](https://huggingface.co/bartowski/mlabonne_gemma - 3 - 12b - it - abliterated - GGUF/blob/main/mlabonne_gemma - 3 - 12b - it - abliterated - Q6_K.gguf) | Q6_K | 9.66GB | false | 非常高质量,接近完美,推荐。 |
[gemma - 3 - 12b - it - abliterated - Q5_K_L.gguf](https://huggingface.co/bartowski/mlabonne_gemma - 3 - 12b - it - abliterated - GGUF/blob/main/mlabonne_gemma - 3 - 12b - it - abliterated - Q5_K_L.gguf) | Q5_K_L | 8.69GB | false | 嵌入和输出权重使用 Q8_0。高质量,推荐。 |
[gemma - 3 - 12b - it - abliterated - Q5_K_M.gguf](https://huggingface.co/bartowski/mlabonne_gemma - 3 - 12b - it - abliterated - GGUF/blob/main/mlabonne_gemma - 3 - 12b - it - abliterated - Q5_K_M.gguf) | Q5_K_M | 8.45GB | false | 高质量,推荐。 |
[gemma - 3 - 12b - it - abliterated - Q5_K_S.gguf](https://huggingface.co/bartowski/mlabonne_gemma - 3 - 12b - it - abliterated - GGUF/blob/main/mlabonne_gemma - 3 - 12b - it - abliterated - Q5_K_S.gguf) | Q5_K_S | 8.23GB | false | 高质量,推荐。 |
[gemma - 3 - 12b - it - abliterated - Q4_1.gguf](https://huggingface.co/bartowski/mlabonne_gemma - 3 - 12b - it - abliterated - GGUF/blob/main/mlabonne_gemma - 3 - 12b - it - abliterated - Q4_1.gguf) | Q4_1 | 7.56GB | false | 旧格式,性能与 Q4_K_S 相似,但在苹果硅芯片上每瓦令牌数有所提高。 |
[gemma - 3 - 12b - it - abliterated - Q4_K_L.gguf](https://huggingface.co/bartowski/mlabonne_gemma - 3 - 12b - it - abliterated - GGUF/blob/main/mlabonne_gemma - 3 - 12b - it - abliterated - Q4_K_L.gguf) | Q4_K_L | 7.54GB | false | 嵌入和输出权重使用 Q8_0。质量良好,推荐。 |
[gemma - 3 - 12b - it - abliterated - Q4_K_M.gguf](https://huggingface.co/bartowski/mlabonne_gemma - 3 - 12b - it - abliterated - GGUF/blob/main/mlabonne_gemma - 3 - 12b - it - abliterated - Q4_K_M.gguf) | Q4_K_M | 7.30GB | false | 质量良好,大多数用例的默认大小,推荐。 |
[gemma - 3 - 12b - it - abliterated - Q4_K_S.gguf](https://huggingface.co/bartowski/mlabonne_gemma - 3 - 12b - it - abliterated - GGUF/blob/main/mlabonne_gemma - 3 - 12b - it - abliterated - Q4_K_S.gguf) | Q4_K_S | 6.94GB | false | 质量稍低,但节省更多空间,推荐。 |
[gemma - 3 - 12b - it - abliterated - Q4_0.gguf](https://huggingface.co/bartowski/mlabonne_gemma - 3 - 12b - it - abliterated - GGUF/blob/main/mlabonne_gemma - 3 - 12b - it - abliterated - Q4_0.gguf) | Q4_0 | 6.91GB | false | 旧格式,可为 ARM 和 AVX CPU 推理提供在线重新打包。 |
[gemma - 3 - 12b - it - abliterated - IQ4_NL.gguf](https://huggingface.co/bartowski/mlabonne_gemma - 3 - 12b - it - abliterated - GGUF/blob/main/mlabonne_gemma - 3 - 12b - it - abliterated - IQ4_NL.gguf) | IQ4_NL | 6.89GB | false | 与 IQ4_XS 相似,但稍大。可为 ARM CPU 推理提供在线重新打包。 |
[gemma - 3 - 12b - it - abliterated - Q3_K_XL.gguf](https://huggingface.co/bartowski/mlabonne_gemma - 3 - 12b - it - abliterated - GGUF/blob/main/mlabonne_gemma - 3 - 12b - it - abliterated - Q3_K_XL.gguf) | Q3_K_XL | 6.72GB | false | 嵌入和输出权重使用 Q8_0。质量较低但可用,适合低内存情况。 |
[gemma - 3 - 12b - it - abliterated - IQ4_XS.gguf](https://huggingface.co/bartowski/mlabonne_gemma - 3 - 12b - it - abliterated - GGUF/blob/main/mlabonne_gemma - 3 - 12b - it - abliterated - IQ4_XS.gguf) | IQ4_XS | 6.55GB | false | 质量尚可,比 Q4_K_S 小且性能相似,推荐。 |
[gemma - 3 - 12b - it - abliterated - Q3_K_L.gguf](https://huggingface.co/bartowski/mlabonne_gemma - 3 - 12b - it - abliterated - GGUF/blob/main/mlabonne_gemma - 3 - 12b - it - abliterated - Q3_K_L.gguf) | Q3_K_L | 6.48GB | false | 质量较低但可用,适合低内存情况。 |
[gemma - 3 - 12b - it - abliterated - Q3_K_M.gguf](https://huggingface.co/bartowski/mlabonne_gemma - 3 - 12b - it - abliterated - GGUF/blob/main/mlabonne_gemma - 3 - 12b - it - abliterated - Q3_K_M.gguf) | Q3_K_M | 6.01GB | false | 质量低。 |
[gemma - 3 - 12b - it - abliterated - IQ3_M.gguf](https://huggingface.co/bartowski/mlabonne_gemma - 3 - 12b - it - abliterated - GGUF/blob/main/mlabonne_gemma - 3 - 12b - it - abliterated - IQ3_M.gguf) | IQ3_M | 5.66GB | false | 中低质量,新方法,性能与 Q3_K_M 相当。 |
[gemma - 3 - 12b - it - abliterated - Q3_K_S.gguf](https://huggingface.co/bartowski/mlabonne_gemma - 3 - 12b - it - abliterated - GGUF/blob/main/mlabonne_gemma - 3 - 12b - it - abliterated - Q3_K_S.gguf) | Q3_K_S | 5.46GB | false | 质量低,不推荐。 |
[gemma - 3 - 12b - it - abliterated - IQ3_XS.gguf](https://huggingface.co/bartowski/mlabonne_gemma - 3 - 12b - it - abliterated - GGUF/blob/main/mlabonne_gemma - 3 - 12b - it - abliterated - IQ3_XS.gguf) | IQ3_XS | 5.21GB | false | 质量较低,新方法,性能尚可,略优于 Q3_K_S。 |
[gemma - 3 - 12b - it - abliterated - Q2_K_L.gguf](https://huggingface.co/bartowski/mlabonne_gemma - 3 - 12b - it - abliterated - GGUF/blob/main/mlabonne_gemma - 3 - 12b - it - abliterated - Q2_K_L.gguf) | Q2_K_L | 5.01GB | false | 嵌入和输出权重使用 Q8_0。质量非常低,但出人意料地可用。 |
[gemma - 3 - 12b - it - abliterated - IQ3_XXS.gguf](https://huggingface.co/bartowski/mlabonne_gemma - 3 - 12b - it - abliterated - GGUF/blob/main/mlabonne_gemma - 3 - 12b - it - abliterated - IQ3_XXS.gguf) | IQ3_XXS | 4.78GB | false | 质量较低,新方法,性能尚可,与 Q3 量化相当。 |
[gemma - 3 - 12b - it - abliterated - Q2_K.gguf](https://huggingface.co/bartowski/mlabonne_gemma - 3 - 12b - it - abliterated - GGUF/blob/main/mlabonne_gemma - 3 - 12b - it - abliterated - Q2_K.gguf) | Q2_K | 4.77GB | false | 质量非常低,但出人意料地可用。 |
[gemma - 3 - 12b - it - abliterated - IQ2_M.gguf](https://huggingface.co/bartowski/mlabonne_gemma - 3 - 12b - it - abliterated - GGUF/blob/main/mlabonne_gemma - 3 - 12b - it - abliterated - IQ2_M.gguf) | IQ2_M | 4.31GB | false | 质量相对较低,使用最新技术,出人意料地可用。 |
[gemma - 3 - 12b - it - abliterated - IQ2_S.gguf](https://huggingface.co/bartowski/mlabonne_gemma - 3 - 12b - it - abliterated - GGUF/blob/main/mlabonne_gemma - 3 - 12b - it - abliterated - IQ2_S.gguf) | IQ2_S | 4.02GB | false | 质量低,使用最新技术,可用。 |
[gemma - 3 - 12b - it - abliterated - IQ2_XS.gguf](https://huggingface.co/bartowski/mlabonne_gemma - 3 - 12b - it - abliterated - GGUF/blob/main/mlabonne_gemma - 3 - 12b - it - abliterated - IQ2_XS.gguf) | IQ2_XS | 3.84GB | false | 质量低,使用最新技术,可用。 |
嵌入/输出权重
部分量化(如 Q3_K_XL、Q4_K_L 等)采用标准量化方法,将嵌入和输出权重量化为 Q8_0,而非默认值。
使用 huggingface - cli 下载
点击查看下载说明
首先,确保你已安装 huggingface - cli:
pip install -U "huggingface_hub[cli]"
然后,你可以指定要下载的特定文件:
huggingface-cli download bartowski/mlabonne_gemma - 3 - 12b - it - abliterated - GGUF --include "mlabonne_gemma - 3 - 12b - it - abliterated - Q4_K_M.gguf" --local-dir ./
如果模型大于 50GB,它将被拆分为多个文件。若要将它们全部下载到本地文件夹,请运行:
huggingface-cli download bartowski/mlabonne_gemma - 3 - 12b - it - abliterated - GGUF --include "mlabonne_gemma - 3 - 12b - it - abliterated - Q8_0/*" --local-dir ./
你可以指定一个新的本地目录(如 mlabonne_gemma - 3 - 12b - it - abliterated - Q8_0),也可以将它们全部下载到当前目录(./)。
ARM/AVX 信息
以前,你会下载 Q4_0_4_4/4_8/8_8,这些模型的权重会在内存中交错排列,以便通过一次加载更多数据来提高 ARM 和 AVX 机器的性能。
然而,现在有了一种称为“在线重新打包”的权重处理方法,详情见 此 PR。如果你使用 Q4_0 且硬件能从权重重新打包中受益,它将自动实时进行处理。
从 llama.cpp 版本 b4282 开始,你将无法运行 Q4_0_X_X 文件,而需要使用 Q4_0。
此外,如果你想获得稍好的质量,可以使用 IQ4_NL,感谢 此 PR,它也会为 ARM 重新打包权重,不过目前仅适用于 4_4。加载时间可能会更长,但总体速度会提高。
点击查看 Q4_0_X_X 信息(已弃用)
我保留这部分内容是为了展示使用支持在线重新打包的 Q4_0 可能带来的理论性能提升。
点击查看 AVX2 系统(EPYC7702)上的基准测试
模型 | 大小 | 参数 | 后端 | 线程数 | 测试 | 令牌/秒 | 与 Q4_0 相比 |
---|---|---|---|---|---|---|---|
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% |
Q4_0_8_8 在提示处理方面有显著提升,在文本生成方面有小幅提升。
如何选择文件
点击查看详情
Artefact2 提供了一篇很棒的文章,带有展示各种性能的图表,可查看 此处。
首先,你需要确定能运行多大的模型。为此,你需要了解自己有多少内存(RAM)和/或显存(VRAM)。
如果你希望模型运行得尽可能快,你需要将整个模型加载到 GPU 的显存中。选择文件大小比 GPU 总显存小 1 - 2GB 的量化模型。
如果你追求绝对最高质量,将系统内存和 GPU 显存相加,然后选择文件大小比该总和小 1 - 2GB 的量化模型。
接下来,你需要决定是使用“I - 量化”还是“K - 量化”。
如果你不想考虑太多,选择 K - 量化模型,格式为 'QX_K_X',如 Q5_K_M。
如果你想深入了解,可以查看这个非常有用的特性图表:[llama.cpp 特性矩阵](https://github.com/ggerganov/llama.cpp/wiki/Feature - matrix)。
但基本上,如果你目标是低于 Q4 的量化,并且使用 cuBLAS(Nvidia)或 rocBLAS(AMD),你应该考虑 I - 量化模型,格式为 IQX_X,如 IQ3_M。这些是较新的模型,在相同大小下提供更好的性能。
这些 I - 量化模型也可以在 CPU 上使用,但比对应的 K - 量化模型慢,因此你需要在速度和性能之间做出权衡。
I - 量化模型与 Vulcan(同样适用于 AMD)不兼容,所以如果你使用 AMD 显卡,请仔细检查你使用的是 rocBLAS 版本还是 Vulcan 版本。在撰写本文时,LM Studio 有一个支持 ROCm 的预览版,其他推理引擎也有针对 ROCm 的特定版本。
📄 许可证
本项目使用 gemma 许可证。
👏 致谢
感谢 kalomaze 和 Dampf 在创建 imatrix 校准数据集方面提供的帮助。 感谢 ZeroWw 在嵌入/输出实验方面提供的灵感。 感谢 LM Studio 对本项目的支持。
如果你想支持我的工作,请访问我的 ko - fi 页面:https://ko - fi.com/bartowski



