Google Gemma 3 27b It Qat GGUF

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/google_gemma-3-27b-it-qat-GGUF --include "google_gemma-3-27b-it-qat-Q4_K_M.gguf" --local-dir ./

如果模型大于50GB，它将被拆分为多个文件。要将它们全部下载到本地文件夹，请运行：

huggingface-cli download bartowski/google_gemma-3-27b-it-qat-GGUF --include "google_gemma-3-27b-it-qat-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录（如google_gemma-3-27b-it-qat-Q8_0），也可以将它们全部下载到当前目录（./）。

保留此部分是为了展示使用支持在线重新打包的Q4_0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，可查看此处。

首先，你需要确定能运行多大的模型，这需要了解你有多少系统内存（RAM）和/或显存（VRAM）。

如果你希望模型运行得尽可能快，应将整个模型加载到GPU的显存中。选择文件大小比GPU总显存小1 - 2GB的量化版本。

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的量化版本。

接下来，你需要决定使用“I-quant”还是“K-quant”。

如果你不想考虑太多，选择K-quant，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。

一般来说，如果你目标是低于Q4的量化，并且使用cuBLAS（Nvidia）或rocBLAS（AMD），可以考虑I-quant，格式为IQX_X，如IQ3_M。这些是较新的方法，在相同大小下性能更好。

I-quant也可在CPU上使用，但比对应的K-quant慢，因此你需要在速度和性能之间做出权衡。

要访问Hugging Face上的Gemma，你需要审查并同意Google的使用许可。请确保你已登录Hugging Face，然后点击下方按钮。请求将立即处理。