Qwen Qwen3 0.6B GGUF
模型简介
这是一个基于Qwen3-0.6B模型的量化版本,通过llama.cpp工具进行优化,提供多种量化选项以适应不同硬件需求。
模型特点
多种量化选项
提供从BF16到Q2_K的多种量化版本,适应不同硬件和性能需求。
imatrix量化
使用imatrix选项进行量化,提升模型性能。
广泛兼容性
支持在LM Studio、llama.cpp及基于llama.cpp的项目中运行。
模型能力
文本生成
对话系统
内容创作
使用案例
对话系统
智能客服
用于构建智能客服系统,回答用户问题。
内容创作
文章生成
生成各类文章、故事等内容。
🚀 Qwen3-0.6B的Llamacpp imatrix量化版本
本项目是对Qwen3-0.6B模型进行量化处理的成果,旨在优化模型在不同硬件上的运行性能和资源占用。通过使用特定的量化工具和数据集,提供了多种量化类型的模型文件供用户选择。
🚀 快速开始
运行环境
可以在 LM Studio 中运行这些量化模型,也可以直接使用 llama.cpp 或任何基于 llama.cpp 的项目来运行。
提示格式
<|im_start|>system
{system_prompt}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant
下载文件
从以下表格中选择并下载所需的文件(不是整个分支):
文件名 | 量化类型 | 文件大小 | 分割情况 | 描述 |
---|---|---|---|---|
Qwen3-0.6B-bf16.gguf | bf16 | 1.51GB | false | 完整的BF16权重。 |
Qwen3-0.6B-Q8_0.gguf | Q8_0 | 0.80GB | false | 极高质量,通常不需要,但提供了最大可用的量化。 |
Qwen3-0.6B-Q6_K_L.gguf | Q6_K_L | 0.70GB | false | 嵌入和输出权重使用Q8_0。非常高质量,接近完美,推荐。 |
Qwen3-0.6B-Q5_K_L.gguf | Q5_K_L | 0.65GB | false | 嵌入和输出权重使用Q8_0。高质量,推荐。 |
Qwen3-0.6B-Q6_K.gguf | Q6_K | 0.62GB | false | 非常高质量,接近完美,推荐。 |
Qwen3-0.6B-Q4_K_L.gguf | Q4_K_L | 0.60GB | false | 嵌入和输出权重使用Q8_0。质量良好,推荐。 |
Qwen3-0.6B-Q3_K_XL.gguf | Q3_K_XL | 0.57GB | false | 嵌入和输出权重使用Q8_0。质量较低但可用,适合低内存环境。 |
Qwen3-0.6B-Q5_K_M.gguf | Q5_K_M | 0.55GB | false | 高质量,推荐。 |
Qwen3-0.6B-Q5_K_S.gguf | Q5_K_S | 0.54GB | false | 高质量,推荐。 |
Qwen3-0.6B-Q4_1.gguf | Q4_1 | 0.51GB | false | 旧格式,性能与Q4_K_S相似,但在苹果硅芯片上的每瓦令牌数有所提高。 |
Qwen3-0.6B-Q2_K_L.gguf | Q2_K_L | 0.50GB | 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。 |
Qwen3-0.6B-Q4_K_M.gguf | Q4_K_M | 0.48GB | false | 质量良好,是大多数用例的默认选择,推荐。 |
Qwen3-0.6B-Q4_K_S.gguf | Q4_K_S | 0.47GB | false | 质量稍低,但节省空间,推荐。 |
Qwen3-0.6B-Q4_0.gguf | Q4_0 | 0.47GB | false | 旧格式,支持为ARM和AVX CPU推理进行在线重新打包。 |
Qwen3-0.6B-IQ4_NL.gguf | IQ4_NL | 0.47GB | false | 与IQ4_XS相似,但稍大。支持为ARM CPU推理进行在线重新打包。 |
Qwen3-0.6B-IQ4_XS.gguf | IQ4_XS | 0.45GB | false | 质量不错,比Q4_K_S小,性能相似,推荐。 |
Qwen3-0.6B-Q3_K_L.gguf | Q3_K_L | 0.44GB | false | 质量较低但可用,适合低内存环境。 |
Qwen3-0.6B-Q3_K_M.gguf | Q3_K_M | 0.41GB | false | 质量低。 |
Qwen3-0.6B-IQ3_M.gguf | IQ3_M | 0.40GB | false | 中低质量,新方法,性能与Q3_K_M相当。 |
Qwen3-0.6B-Q3_K_S.gguf | Q3_K_S | 0.39GB | false | 质量低,不推荐。 |
Qwen3-0.6B-IQ3_XS.gguf | IQ3_XS | 0.38GB | false | 质量较低,新方法,性能不错,略优于Q3_K_S。 |
Qwen3-0.6B-IQ3_XXS.gguf | IQ3_XXS | 0.35GB | false | 质量较低,新方法,性能不错,与Q3量化相当。 |
Qwen3-0.6B-Q2_K.gguf | Q2_K | 0.35GB | false | 质量非常低,但出人意料地可用。 |
Qwen3-0.6B-IQ2_M.gguf | IQ2_M | 0.33GB | false | 质量相对较低,使用了最先进的技术,出人意料地可用。 |
下载方式
使用huggingface-cli下载
点击查看下载说明
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_Qwen3-0.6B-GGUF --include "Qwen_Qwen3-0.6B-Q4_K_M.gguf" --local-dir ./
如果模型大于50GB,它将被分割成多个文件。要将它们全部下载到本地文件夹,请运行:
huggingface-cli download bartowski/Qwen_Qwen3-0.6B-GGUF --include "Qwen_Qwen3-0.6B-Q8_0/*" --local-dir ./
你可以指定一个新的本地目录(Qwen_Qwen3-0.6B-Q8_0),也可以将它们全部下载到当前目录(./)。
✨ 主要特性
量化方式
使用 llama.cpp 的 b5200 版本进行量化。所有量化均使用imatrix选项,并结合来自 此处 的数据集。
嵌入/输出权重
部分量化模型(如Q3_K_XL、Q4_K_L等)采用了标准的量化方法,将嵌入和输出权重量化为Q8_0,而非默认值。
ARM/AVX信息
- 以前,你会下载Q4_0_4_4/4_8/8_8文件,这些文件的权重在内存中交错排列,以提高ARM和AVX机器的性能。现在,有了“在线重新打包”功能,详情见 此PR。如果你使用Q4_0,并且硬件能从重新打包权重中受益,它将自动实时进行。
- 从llama.cpp构建版本 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,这得益于 此PR,它也会为ARM重新打包权重,但目前仅适用于4_4。加载时间可能会较慢,但总体速度会提高。
📚 详细文档
如何选择合适的文件
点击查看详情
Artefact2 提供了一篇很棒的文章,并配有图表展示各种性能,链接为 此处。
首先,你需要确定能够运行的模型大小。这需要了解你系统的RAM和GPU的VRAM容量。
- 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。
- 如果你追求绝对的最高质量,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,可以选择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。一般来说,如果你目标是Q4以下的量化,并且使用cuBLAS(Nvidia)或rocBLAS(AMD),应该考虑I量化模型,格式为IQX_X,如IQ3_M。这些模型较新,在相同大小下性能更好。不过,I量化模型也可以在CPU上使用,但比对应的K量化模型慢,因此你需要在速度和性能之间进行权衡。
🔧 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 | 测试用例 | 每秒令牌数 | 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% |
Q4_0_8_8在提示处理方面有显著提升,在文本生成方面也有小幅提升。
📄 许可证
文档中未提及相关许可证信息。
致谢
感谢kalomaze和Dampf在创建imatrix校准数据集方面提供的帮助。 感谢ZeroWw在嵌入/输出实验方面的启发。 感谢LM Studio对本项目的赞助。
如果你想支持我的工作,请访问我的ko-fi页面:https://ko-fi.com/bartowski
Phi 2 GGUF
其他
Phi-2是微软开发的一个小型但强大的语言模型,具有27亿参数,专注于高效推理和高质量文本生成。
大型语言模型 支持多种语言
P
TheBloke
41.5M
205
Roberta Large
MIT
基于掩码语言建模目标预训练的大型英语语言模型,采用改进的BERT训练方法
大型语言模型 英语
R
FacebookAI
19.4M
212
Distilbert Base Uncased
Apache-2.0
DistilBERT是BERT基础模型的蒸馏版本,在保持相近性能的同时更轻量高效,适用于序列分类、标记分类等自然语言处理任务。
大型语言模型 英语
D
distilbert
11.1M
669
Llama 3.1 8B Instruct GGUF
Meta Llama 3.1 8B Instruct 是一个多语言大语言模型,针对多语言对话用例进行了优化,在常见的行业基准测试中表现优异。
大型语言模型 英语
L
modularai
9.7M
4
Xlm Roberta Base
MIT
XLM-RoBERTa是基于100种语言的2.5TB过滤CommonCrawl数据预训练的多语言模型,采用掩码语言建模目标进行训练。
大型语言模型 支持多种语言
X
FacebookAI
9.6M
664
Roberta Base
MIT
基于Transformer架构的英语预训练模型,通过掩码语言建模目标在海量文本上训练,支持文本特征提取和下游任务微调
大型语言模型 英语
R
FacebookAI
9.3M
488
Opt 125m
其他
OPT是由Meta AI发布的开放预训练Transformer语言模型套件,参数量从1.25亿到1750亿,旨在对标GPT-3系列性能,同时促进大规模语言模型的开放研究。
大型语言模型 英语
O
facebook
6.3M
198
1
基于transformers库的预训练模型,适用于多种NLP任务
大型语言模型
Transformers

1
unslothai
6.2M
1
Llama 3.1 8B Instruct
Llama 3.1是Meta推出的多语言大语言模型系列,包含8B、70B和405B参数规模,支持8种语言和代码生成,优化了多语言对话场景。
大型语言模型
Transformers 支持多种语言

L
meta-llama
5.7M
3,898
T5 Base
Apache-2.0
T5基础版是由Google开发的文本到文本转换Transformer模型,参数规模2.2亿,支持多语言NLP任务。
大型语言模型 支持多种语言
T
google-t5
5.4M
702
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers 支持多种语言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers 英语

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统 中文
R
uer
2,694
98