Open R1 OlympicCoder 32B GGUF

首先，确保你已安装 hugginface - 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/open-r1_OlympicCoder-32B-GGUF --include "open-r1_OlympicCoder-32B-Q4_K_M.gguf" --local-dir ./

如果模型大小超过 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/open-r1_OlympicCoder-32B-GGUF --include "open-r1_OlympicCoder-32B-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录（如 open - r1_OlympicCoder - 32B - Q8_0），也可以将它们全部下载到当前目录（./）。

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 量化模型在理论上的性能提升。

Artefact2 提供了一篇很棒的文章，带有展示各种性能的图表，点击此处查看。

首先，你需要确定你能运行多大的模型。为此，你需要了解你有多少内存（RAM）和/或显存（VRAM）。

如果你希望模型运行得尽可能快，你需要将整个模型放入 GPU 的显存中。选择文件大小比 GPU 总显存小 1 - 2GB 的量化模型。

如果你追求绝对的最高质量，将系统内存和 GPU 显存相加，然后选择文件大小比这个总和小 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，并且你使用的是 cuBLAS（Nvidia）或 rocBLAS（AMD），你应该考虑 I - 量化模型，格式为 IQX_X，如 IQ3_M。这些是较新的量化方法，在相同大小下性能更好。

这些 I - 量化模型也可以在 CPU 上使用，但比同等的 K - 量化模型慢，所以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，所以如果你使用的是 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。