TheDrummer_Skyfall-36B-v2-GGUF开源大语言模型 - 多量化版适配不同硬件需求

首页

Thedrummer Skyfall 36B V2 GGUF

由 bartowski 开发

Skyfall-36B-v2是一个36B参数的大语言模型，经过llama.cpp的imatrix量化处理，提供多种量化版本以适应不同硬件需求。

大型语言模型开源协议:其他 #36B大模型 #高精度量化 #多场景文本生成

下载量 40.42k

发布时间 : 2/17/2025

模型简介

该模型是TheDrummer/Skyfall-36B-v2的量化版本，适用于文本生成任务，支持在LM Studio或llama.cpp等工具中运行。

模型特点

多种量化选项

提供从Q8_0到IQ2_XS等多种量化版本，适应不同硬件和性能需求。

imatrix量化

使用llama.cpp的imatrix选项进行量化，优化模型性能。

嵌入和输出权重优化

部分量化版本（如Q3_K_XL、Q4_K_L等）的嵌入和输出权重被量化为Q8_0，提升性能。

模型能力

文本生成

支持系统提示

多种量化版本选择

使用案例

文本生成

对话系统

可用于构建对话系统，支持系统提示和用户指令。

内容创作

适用于生成文章、故事等文本内容。

🚀 TheDrummer的Skyfall-36B-v2量化模型

本项目提供了TheDrummer的Skyfall-36B-v2模型的量化版本，可帮助用户在不同硬件条件下更高效地运行模型。

🚀 快速开始

本项目使用 llama.cpp 的 b4688 版本进行量化。原始模型可从这里获取。所有量化模型均使用 imatrix 选项和此数据集生成。

你可以在 LM Studio 中运行这些量化模型，也可以直接使用 llama.cpp 或其他基于 llama.cpp 的项目运行。

提示格式

<s>[SYSTEM_PROMPT]{system_prompt}[/SYSTEM_PROMPT][INST]{prompt}[/INST]

✨ 主要特性

多种量化类型：提供了丰富的量化类型供用户选择，以平衡模型质量和文件大小。
在线重打包：部分量化模型支持在线重打包，可自动优化ARM和AVX机器的性能。
详细下载说明：提供了使用 huggingface-cli 下载模型的详细步骤。

📦 安装指南

使用 `huggingface-cli` 下载模型

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/TheDrummer_Skyfall-36B-v2-GGUF --include "TheDrummer_Skyfall-36B-v2-Q4_K_M.gguf" --local-dir ./

如果模型文件大于50GB，它会被拆分为多个文件。若要将它们全部下载到本地文件夹，请运行：

huggingface-cli download bartowski/TheDrummer_Skyfall-36B-v2-GGUF --include "TheDrummer_Skyfall-36B-v2-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录（如 TheDrummer_Skyfall-36B-v2-Q8_0），也可以将所有文件下载到当前目录（./）。

💻 使用示例

基础用法

你可以根据自己的硬件条件和需求，从以下表格中选择合适的量化模型进行下载和使用。

高级用法

如果你想进一步优化模型性能，可以参考以下内容：

ARM/AVX机器：部分量化模型支持在线重打包，可自动优化性能。详情见此PR。
更高质量：如果你想获得更高的模型质量，可以考虑使用IQ4_NL。详情见此PR。

📚 详细文档

量化模型下载链接

文件名	量化类型	文件大小	拆分情况	描述
Skyfall-36B-v2-Q8_0.gguf	Q8_0	39.23GB	false	极高质量，通常不需要，但为最大可用量化。
Skyfall-36B-v2-Q6_K_L.gguf	Q6_K_L	30.61GB	false	嵌入和输出权重使用Q8_0。非常高质量，接近完美，推荐。
Skyfall-36B-v2-Q6_K.gguf	Q6_K	30.29GB	false	非常高质量，接近完美，推荐。
Skyfall-36B-v2-Q5_K_L.gguf	Q5_K_L	26.62GB	false	嵌入和输出权重使用Q8_0。高质量，推荐。
Skyfall-36B-v2-Q5_K_M.gguf	Q5_K_M	26.21GB	false	高质量，推荐。
Skyfall-36B-v2-Q5_K_S.gguf	Q5_K_S	25.48GB	false	高质量，推荐。
Skyfall-36B-v2-Q4_1.gguf	Q4_1	23.21GB	false	旧格式，性能与Q4_K_S相似，但在Apple硅芯片上每瓦令牌数有所改善。
Skyfall-36B-v2-Q4_K_L.gguf	Q4_K_L	22.87GB	false	嵌入和输出权重使用Q8_0。质量良好，推荐。
Skyfall-36B-v2-Q4_K_M.gguf	Q4_K_M	22.37GB	false	质量良好，大多数用例的默认大小，推荐。
Skyfall-36B-v2-Q4_K_S.gguf	Q4_K_S	21.12GB	false	质量稍低，但节省更多空间，推荐。
Skyfall-36B-v2-Q4_0.gguf	Q4_0	21.03GB	false	旧格式，提供ARM和AVX CPU推理的在线重打包。
Skyfall-36B-v2-IQ4_NL.gguf	IQ4_NL	20.99GB	false	类似于IQ4_XS，但稍大。提供ARM CPU推理的在线重打包。
Skyfall-36B-v2-Q3_K_XL.gguf	Q3_K_XL	19.92GB	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。
Skyfall-36B-v2-IQ4_XS.gguf	IQ4_XS	19.87GB	false	质量不错，比Q4_K_S小，性能相似，推荐。
Skyfall-36B-v2-Q3_K_L.gguf	Q3_K_L	19.33GB	false	质量较低但可用，适合低内存情况。
Skyfall-36B-v2-Q3_K_M.gguf	Q3_K_M	17.87GB	false	低质量。
Skyfall-36B-v2-IQ3_M.gguf	IQ3_M	16.53GB	false	中低质量，新方法，性能与Q3_K_M相当。
Skyfall-36B-v2-Q3_K_S.gguf	Q3_K_S	16.13GB	false	低质量，不推荐。
Skyfall-36B-v2-IQ3_XS.gguf	IQ3_XS	15.34GB	false	质量较低，新方法，性能不错，略优于Q3_K_S。
Skyfall-36B-v2-Q2_K_L.gguf	Q2_K_L	14.41GB	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。
Skyfall-36B-v2-IQ3_XXS.gguf	IQ3_XXS	14.39GB	false	质量较低，新方法，性能不错，与Q3量化相当。
Skyfall-36B-v2-Q2_K.gguf	Q2_K	13.76GB	false	质量非常低，但出人意料地可用。
Skyfall-36B-v2-IQ2_M.gguf	IQ2_M	12.53GB	false	质量相对较低，使用SOTA技术，出人意料地可用。
Skyfall-36B-v2-IQ2_S.gguf	IQ2_S	11.51GB	false	低质量，使用SOTA技术，可用。
Skyfall-36B-v2-IQ2_XS.gguf	IQ2_XS	11.12GB	false	低质量，使用SOTA技术，可用。

嵌入/输出权重说明

部分量化模型（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，而非通常的默认值。

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，以便在ARM和AVX机器上通过一次加载更多数据来提高性能。

然而，现在有了所谓的“在线重打包”权重功能。详情见此PR。如果你使用Q4_0，并且你的硬件可以从权重重打包中受益，它将在运行时自动进行。

从llama.cpp构建 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。详情见此PR，它也会为ARM重新打包权重，不过目前仅适用于4_4。加载时间可能会较慢，但总体速度会提高。

如何选择量化模型

点击查看详情

Artefact2提供了一份很棒的文档，带有展示各种性能的图表，可参考这里。

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RAM和/或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VRAM中。选择文件大小比GPU总VRAM小1 - 2GB的量化模型。

如果你追求绝对最高质量，将系统RAM和GPU的VRAM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，选择一个K量化模型。这些模型的格式为 '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

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。这些模型的格式为IQX_X，如IQ3_M。这些模型较新，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和Apple Metal上使用，但比对应的K量化模型慢，所以你需要在速度和性能之间做出权衡。

I量化模型不与Vulcan兼容，Vulcan也是AMD的，所以如果你有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。

🔧 技术细节

基准测试

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%