A M Team AM Thinking V1 GGUF

首先，确保已安装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/a-m-team_AM-Thinking-v1-GGUF --include "a-m-team_AM-Thinking-v1-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/a-m-team_AM-Thinking-v1-GGUF --include "a-m-team_AM-Thinking-v1-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录（如a-m-team_AM-Thinking-v1-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带有在线重新打包的Q4_0在性能上的潜在理论提升。

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

首先要确定你能运行多大的模型。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。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，所以你需要在速度和性能之间做出权衡。