Qwen_Qwen2.5-VL-7B-Instruct-GGUF开源模型 - 免费支持图文转文本等多模态应用

首页

Qwen Qwen2.5 VL 7B Instruct GGUF

由 bartowski 开发

Qwen2.5-VL-7B-Instruct的量化版本，使用llama.cpp进行量化，支持多模态任务，适用于图文转文本等应用场景。

文本生成图像英语开源协议:Apache-2.0 #多模态理解 #图文转文本 #低资源部署

下载量 2,056

发布时间 : 5/8/2025

模型简介

这是一个基于Qwen2.5-VL-7B-Instruct模型的量化版本，支持多模态任务，能够处理图文转文本等任务。量化版本提供了多种量化选项，适合不同硬件环境和需求。

模型特点

多模态支持

支持图文转文本任务，能够处理多模态输入。

多种量化选项

提供从BF16到Q2_K的多种量化选项，适合不同硬件环境和需求。

高性能推理

使用llama.cpp进行量化，优化了推理性能，适合在本地设备上运行。

模型能力

图文转文本

多模态处理

文本生成

使用案例

内容生成

图像描述生成

根据输入的图像生成详细的文本描述。

生成准确且详细的图像描述。

自动化文档处理

图文转文本

将包含图像和文本的文档转换为纯文本格式。

高效提取和转换文档内容。

🚀 Qwen2.5-VL-7B-Instruct的Llamacpp imatrix量化版本

本项目是对Qwen2.5-VL-7B-Instruct模型进行量化处理后的成果。通过特定的量化方式，生成了不同类型的量化文件，以满足不同硬件和性能需求。用户可以根据自身的硬件条件和使用场景，选择合适的量化文件进行下载和使用。

🚀 快速开始

本项目使用 llama.cpp 发布版本 b5317 进行量化。原始模型可访问：https://huggingface.co/Qwen/Qwen2.5-VL-7B-Instruct 。

所有量化文件均使用 imatrix 选项，并采用来自此处的数据集生成。你可以在 LM Studio 中运行这些量化文件，也可以直接使用 llama.cpp 或任何基于 llama.cpp 的项目来运行。

✨ 主要特性

多种量化类型：提供了丰富的量化类型，如 bf16、Q8_0、Q6_K_L 等，满足不同的性能和质量需求。
在线重打包：部分量化文件支持在线重打包，可根据硬件自动优化性能。
不同硬件适配：针对 ARM 和 AVX 等不同硬件架构进行了优化。

📦 安装指南

使用 huggingface-cli 下载

首先，确保你已经安装了 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/Qwen_Qwen2.5-VL-7B-Instruct-GGUF --include "Qwen_Qwen2.5-VL-7B-Instruct-Q4_K_M.gguf" --local-dir ./

如果模型大小超过 50GB，它会被分割成多个文件。若要将它们全部下载到本地文件夹，请运行：

huggingface-cli download bartowski/Qwen_Qwen2.5-VL-7B-Instruct-GGUF --include "Qwen_Qwen2.5-VL-7B-Instruct-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录（如 Qwen_Qwen2.5-VL-7B-Instruct-Q8_0），也可以将它们全部下载到当前目录（./）。

💻 使用示例

提示格式

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

📚 详细文档

下载文件选择

文件名	量化类型	文件大小	分割情况	描述
Qwen2.5-VL-7B-Instruct-bf16.gguf	bf16	15.24GB	false	完整的 BF16 权重。
Qwen2.5-VL-7B-Instruct-Q8_0.gguf	Q8_0	8.10GB	false	极高质量，通常不需要，但为可用的最大量化。
Qwen2.5-VL-7B-Instruct-Q6_K_L.gguf	Q6_K_L	6.52GB	false	嵌入和输出权重使用 Q8_0。非常高质量，接近完美，推荐。
Qwen2.5-VL-7B-Instruct-Q6_K.gguf	Q6_K	6.25GB	false	非常高质量，接近完美，推荐。
Qwen2.5-VL-7B-Instruct-Q5_K_L.gguf	Q5_K_L	5.78GB	false	嵌入和输出权重使用 Q8_0。高质量，推荐。
Qwen2.5-VL-7B-Instruct-Q5_K_M.gguf	Q5_K_M	5.44GB	false	高质量，推荐。
Qwen2.5-VL-7B-Instruct-Q5_K_S.gguf	Q5_K_S	5.32GB	false	高质量，推荐。
Qwen2.5-VL-7B-Instruct-Q4_K_L.gguf	Q4_K_L	5.09GB	false	嵌入和输出权重使用 Q8_0。质量良好，推荐。
Qwen2.5-VL-7B-Instruct-Q4_1.gguf	Q4_1	4.87GB	false	旧格式，性能与 Q4_K_S 相似，但在 Apple silicon 上每瓦令牌数有所提高。
Qwen2.5-VL-7B-Instruct-Q4_K_M.gguf	Q4_K_M	4.68GB	false	质量良好，是大多数用例的默认大小，推荐。
Qwen2.5-VL-7B-Instruct-Q3_K_XL.gguf	Q3_K_XL	4.57GB	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。
Qwen2.5-VL-7B-Instruct-Q4_K_S.gguf	Q4_K_S	4.46GB	false	质量略低，但节省空间，推荐。
Qwen2.5-VL-7B-Instruct-Q4_0.gguf	Q4_0	4.44GB	false	旧格式，支持为 ARM 和 AVX CPU 推理进行在线重打包。
Qwen2.5-VL-7B-Instruct-IQ4_NL.gguf	IQ4_NL	4.44GB	false	与 IQ4_XS 相似，但略大。支持为 ARM CPU 推理进行在线重打包。
Qwen2.5-VL-7B-Instruct-IQ4_XS.gguf	IQ4_XS	4.22GB	false	质量尚可，比 Q4_K_S 小，性能相似，推荐。
Qwen2.5-VL-7B-Instruct-Q3_K_L.gguf	Q3_K_L	4.09GB	false	质量较低但可用，适合低内存情况。
Qwen2.5-VL-7B-Instruct-Q3_K_M.gguf	Q3_K_M	3.81GB	false	低质量。
Qwen2.5-VL-7B-Instruct-IQ3_M.gguf	IQ3_M	3.57GB	false	中低质量，新方法，性能与 Q3_K_M 相当。
Qwen2.5-VL-7B-Instruct-Q2_K_L.gguf	Q2_K_L	3.55GB	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。
Qwen2.5-VL-7B-Instruct-Q3_K_S.gguf	Q3_K_S	3.49GB	false	低质量，不推荐。
Qwen2.5-VL-7B-Instruct-IQ3_XS.gguf	IQ3_XS	3.35GB	false	质量较低，新方法，性能尚可，略优于 Q3_K_S。
Qwen2.5-VL-7B-Instruct-IQ3_XXS.gguf	IQ3_XXS	3.11GB	false	质量较低，新方法，性能尚可，与 Q3 量化相当。
Qwen2.5-VL-7B-Instruct-Q2_K.gguf	Q2_K	3.02GB	false	质量非常低，但出人意料地可用。
Qwen2.5-VL-7B-Instruct-IQ2_M.gguf	IQ2_M	2.78GB	false	质量相对较低，采用了最先进的技术，出人意料地可用。